Identifying and quantifying the abundance of economically important palms in tropical moist forest using UAV imagery

• Autores: Tagle Casapía, Ximena, Falen Horna, Lourdes, Bartholomeus, Harm, Cárdenas Vigo, Rodolfo, Flores Llampazo, Gerardo, Herold, Martin, Honorio Coronado, Eurídice, Baker, Timothy R.
• Formato: artículo
• Fecha de Publicación: 2020
• Institución: Instituto de investigaciones de la Amazonía Peruana
• Repositorio: IIAP-Institucional
• Lenguaje: inglés
• OAI Identifier: oai:repositorio.iiap.gob.pe:20.500.12921/421
• Enlace del recurso: https://hdl.handle.net/20.500.12921/421; https://doi.org/10.3390/rs12010009
• Nivel de acceso: acceso abierto
• Materia: Procesamiento digital de imágenes; Vehículos aéreos no tripulados; Monitoreo de bosques; Análisis de imágenes; Inteligencia artificial; Arecaceae; Mauritia flexuosa; Amazonía

El manejo sostenible de los productos forestales no maderables, como los frutos de palmeras, es crucial para la conservación a largo plazo de un bosque intacto. Una limitación importante para la expansión del manejo sostenible de palmeras ha sido la necesidad de información precisa sobre los recursos a escalas de decenas a cientos de hectáreas, mientras que los estudios típicos basados en el terreno sólo muestrean áreas pequeñas. En los últimos años, los pequeños vehículos aéreos no tripulados (VANT) se han convertido en una importante herramienta para el mapeo de áreas forestales, ya que son baratos y fáciles de transportar, y proporcionan imágenes de alta resolución espacial de áreas remotas. Desarrollamos un flujo de trabajo de clasificación basado en objetos para las imágenes de los VANTs RGB que tiene como objetivo identificar y delinear las copas de las palmeras en la selva tropical, combinando el procesamiento de imágenes y las funcionalidades de los SIG utilizando información de color y textura de manera integradora para mostrar uno de los usos potenciales de los VANTs en los bosques tropicales. Diez parcelas de bosque permanente con 1170 palmeras de referencia fueron evaluadas desde octubre a diciembre de 2017. Los resultados indican que las copas de las palmeras pudieron ser claramente identificadas y, en algunos casos, cuantificadas siguiendo el flujo de trabajo. Los mejores resultados se obtuvieron usando el clasificador aleatorio de bosques con una precisión global del 85% y un índice kappa de 0,82.