Segmentación de estratos forestales en bosques mediterráneos mediante deep learning y nubes de puntos LiDAR terrestres y móviles

Autores/as

  • Pablo Crespo-Peremarch Grupo de Cartografía GeoAmbiental y Teledetección (CGAT), Departamento de Ingeniería Cartográfica, Geodesia y Fotogrametría, Universitat Politècnica de València, Camí de Vera s/n, 46022, València, España Autor/a https://orcid.org/0000-0003-2241-4493
  • Juan Ramón Valencia Alzate Grupo de Cartografía GeoAmbiental y Teledetección (CGAT), Departamento de Ingeniería Cartográfica, Geodesia y Fotogrametría, Universitat Politècnica de València, Camí de Vera s/n, 46022, València, España Autor/a
  • Juan Pedro Carbonell Rivera Integrated Remote Sensing Studio (IRSS), Department of Forest Resources Management, Forest Science Centre, 2424 Main Mall, University of British Columbia, Vancouver, BC V6T 1Z4, Canadá Autor/a https://orcid.org/0000-0002-6724-6780
  • Jesús Torralba Grupo de Cartografía GeoAmbiental y Teledetección (CGAT), Departamento de Ingeniería Cartográfica, Geodesia y Fotogrametría, Universitat Politècnica de València, Camí de Vera s/n, 46022, Valencia, España Autor/a https://orcid.org/0000-0001-8644-8604
  • Luis Ruiz Fernández Grupo de Cartografía GeoAmbiental y Teledetección (CGAT), Universitat Politècnica de València Autor/a https://orcid.org/0000-0003-0073-7259

DOI:

https://doi.org/10.17398/3101-7177.2.172

Palabras clave:

TLS, MLS, iPad, aprendizaje profundo, clasificación semántica

Resumen

La caracterización de la estructura vertical de la vegetación es clave para la planificación y la prevención de incendios en bosques mediterráneos. En este estudio se evalúa un modelo de deep learning para segmentar estratos verticales (arbóreo, arbustivo‑arbóreo y arbustivo) en nubes de puntos 3D adquiridas con un escáner láser terrestre (TLS) y un LiDAR móvil integrado en un iPad (MLS‑iPad). En escenarios semirreales se obtuvieron valores de IoU (Intersection over Union) superiores al 97% en el estrato arbóreo y en torno al 90% en los estratos arbustivo-arbóreo y arbustivo; en parcelas reales, el IoU fue de 80–91% (arbóreo) y 35–65% (arbustivo-arbóreo y arbustivo). Estos resultados confirman la viabilidad del enfoque y el potencial del MLS‑iPad para campañas operativas rápidas de diagnóstico y seguimiento estructural, si bien la caída de los valores en parcelas reales evidencia la necesidad de ampliar el entrenamiento con datos reales, pudiendo actuar el TLS como referencia cuando se requiera mayor robustez.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Carbonell-Rivera, J. P., Torralba, J., Estornell, J., Ruiz, L. Á., & Crespo-Peremarch, P. (2022). Classification of Mediterranean Shrub Species from UAV Point Clouds. Remote Sensing, 14(1), 199. https://doi.org/10.3390/rs14010199

Gollob, C., Ritter, T., Kraßnitzer, R., Tockner, A., & Nothdurft, A. (2021). Measurement of Forest Inventory Parameters with Apple iPad Pro and Integrated LiDAR Technology. Remote Sensing, 13(16), 3129. https://doi.org/10.3390/rs13163129

Thomas, H., Qi, C. R., Deschaud, J.-E., Marcotegui, B., Goulette, F., & Guibas, L. J. (2019). Kpconv: Flexible and deformable convolution for point clouds. Proceedings of the IEEE/CVF international conference on computer vision, 6411-6420.

Torralba, J., Carbonell-Rivera, J. P., Ruiz, L. Á., & Crespo-Peremarch, P. (2022). Analyzing TLS Scan Distribution and Point Density for the Estimation of Forest Stand Structural Parameters. Forests, 13(12), 2115. https://doi.org/10.3390/f13122115

Viedma, O., & Moreno, J. M. (2025). Impact of LiDAR pulse density on forest fuels metrics derived using LadderFuelsR. Ecological Informatics, 88, 103135. https://doi.org/10.1016/j.ecoinf.2025.103135

Descargas

Publicado

2026-06-03

Cómo citar

Segmentación de estratos forestales en bosques mediterráneos mediante deep learning y nubes de puntos LiDAR terrestres y móviles. (2026). Congresos UEx, Actas De Congresos, 2. https://doi.org/10.17398/3101-7177.2.172