Mapeo de la copa de los árboles en entornos urbanos utilizando nubes de puntos a partir de escaneo láser aéreo e imágenes a nivel de calle

Las ciudades resilientes incorporan una perspectiva de sistemas sociales, ecológicos y tecnológicos a través de sus árboles, tanto en bosques urbanos y periurbanos como en árboles de calles lineales, y ayudan a promover y comprender el concepto de resiliencia de los ecosistemas. Los inventarios de árboles urbanos generalmente implican la recopilación de datos de campo sobre la ubicación, el género, la especie, la forma y el volumen de la copaLa copa es la parte aérea de un árbol, formada por las ramas y las hojas., el diámetro, la altura y el estado de salud de estos árboles.

En este trabajo, se ha desarrollado una metodología de varias etapas para actualizar los inventarios de árboles urbanos de forma totalmente automática, y se ha aplicado en la ciudad de Pamplona (España). Se han comparado y combinado dos de las fuentes de datos más comunes para actualizar los inventarios de árboles urbanos: nubes de puntos de escaneo láser aerotransportado (ALS) combinadas con ortofotografías aéreas e imágenes a pie de calle de Google Street View (GSV). Dependiendo de la fuente de datos, se utilizaron diferentes metodologías para identificar los árboles. En una primera etapa, se comparó el uso de técnicas de detección de árboles individuales en nubes de puntos ALS con la detección de objetos (árboles) en imágenes a pie de calle utilizando técnicas de visión artificial (CV).

En ambos casos se obtuvo una alta tasa de éxito o recuerdo (número de verdaderos positivos con respecto a todos los árboles detectables), donde entre el 85,07% y el 86,42% de los árboles fueron bien identificados, aunque muchos falsos positivos (FP) o árboles que no existía o que se había confundido con otros objetos siempre fueron identificados. Para reducir estos errores o FP, se diseñó una segunda etapa, donde se realizó la depuración de FP a través de dos metodologías: (a) basada en la verificación automática de todos los árboles posibles con imágenes a pie de calle, y (b) a través de un modelo binario de aprendizaje automático de clasificación, entrenado con datos espectrales de ortofotografías. Después de esta segunda etapa, el recuerdo disminuyó a alrededor del 75% (entre 71,43 y 78,18 según el procedimiento utilizado) pero la mayoría de los falsos positivos fueron eliminados. Los resultados obtenidos con ambas fuentes de datos fueron robustos y precisos.

Se pudo concluir que los resultados obtenidos con las diferentes metodologías son muy similares, donde la principal diferencia reside en el acceso a la información de partida. Mientras que el uso de imágenes a pie de calle solo permite detectar árboles que crecen en calles transitables y es una fuente de información generalmente pagada, el uso de ALS y ortofotografías aéreas permite ubicar árboles en cualquier lugar de la ciudad, incluso parques y jardines públicos y privados, y en muchos países, estos datos están disponibles gratuitamente.

Título Original:

"Mapping Tree Canopy in Urban Environments Using Point Clouds from Airborne Laser Scanning and Street Level Imagery"

Autor/es: