N1 2a1

Ciencias Forestales Vol. 14 Nº1-2. 1999-2000
USO DE VARIOGRAMAS PARA LA DETERMINACIÓN
DEL TAMAÑO MEDIO DE LAS COPAS DE PINO
SILVESTRE EN IMÁGENES AÉREAS DIGITALES
Hernández, J.1
y Corvalán, P.1
Key words: Image, variograms, crown, Pinus sylvestris.
1
Departamento Manejo Recursos Forestales, Universidad de Chile, Casilla 9206, Santiago

INTRODUCCION
La mayoría de los datos biológicos y ecológicos
tienen una representación espacial, continua o
discreta, que determina la estructura del paisaje
o ecosistema del que son parte. La
geoestadística es la ciencia que se encarga de
estudiar dicha información espacial. Matheron
(1971), el pionero en esta área de la ciencia, la
define como “la aplicación del formalismo de las
funciones aleatorias al reconocimiento y
estimación de fenómenos naturales”. La
geoestadística tuvo su origen a principios de los
años ’50, se usaba como término para referirse
a algunos métodos estadísticos que trabajan
con distribuciones reales y localizaciones
espaciales, posteriormente se desarrolló en el
área de la minería, campo en el cual los trabajos
de Journel y Huijbregts (1978) han tenido una
gran influencia. Hoy en día, el término tiene un
uso más amplio, incluyendo tópicos de la teoría
estadística y aplicaciones a procesos con
índices espaciales continuos (Cressie, 1991).
Las aplicaciones de la geoestadística al estudio
de las masas forestales son relativamente
recientes y, salvo algunas excepciones- no ha
sido hasta la década de los '90 que se ha
incorporado como una herramienta más en el
análisis estructural de los bosques. Uno de los
primeros esfuerzos en desarrollar este enfoque
fue efectuado en el simposium "Quantitative
structural analysis of forest", que tuvo lugar en
Estrasburgo, en 1979. En él, a través de la
presentación de trece artículos, se sentaron las
bases de la potencialidad del análisis
geoestadístico en la caracterización cuantitativa
de la variación espacial de una gran variedad de
tipos de bosques. Entre otros, Bachacou et al.
(1979) propusieron por primera vez la utilización
de la morfología matemática en el estudio de la
estructura de los bosques. Decourt (1979) utilizó
variogramas experimentales para analizar la
competencia intraespecífica a nivel de rodal, y
Hladik (1979) desarrolló un estudio sobre la
relación de variables regionalizadas
vegetacionales y faunísticas en un bosque
semideciduo de Sri Lanka.
A fines de los '80, un grupo de investigadores
publicaron dos artículos complementarios en los
que utilizaban variogramas para extraer
información de imágenes provenientes de
sensores remotos. En el primero (Woodcock et
al., 1988a), se analizó imágenes simuladas con
la idea de modelar su variación espacial en
función de parámetros físicos de la escena y del
sensor utilizado. Encontraron que la herramienta
idónea para esta tarea era el variograma y que
sus características estaban asociadas a las de
los objetos de la escena. La altura de la meseta
del variograma (Figura 1) estaba relacionada
con la densidad de los objetos y el rango con su
tamaño. Al incrementar la varianza del tamaño
de los objetos la forma del variograma adoptaba
una forma más redondeada en la zona cercana
a la meseta. El efecto de aumentar el tamaño
del píxel se reflejaba en una disminución de la
altura de la meseta y un incremento del valor del
rango. En el segundo trabajo (Woodcock et
al., 1988b), se calcularon variogramas
experimentales para imágenes reales y se
confirmaron las conclusiones obtenidas para las
imágenes simuladas.
Cohen et al. (1990), desarrollaron un análisis de
la estructura horizontal de bosques de coníferas
a través de la aplicación de semivariogramas
sobre imágenes aéreas digitalizadas de vídeo,
con resolución espacial de la imagen -que de
ahora en adelante llamaremos “tamaño del
píxel”- variable. Con píxeles pequeños, el rango
de los variogramas se relacionada con el
tamaño medio de las copas, y la meseta
respondía a la presencia de varios doseles de
vegetación y al porcentaje de cobertura. Los
semivariogramas en base a píxeles de 10 m y
30 m fueron significativamente menos precisos
en sus relaciones con las variables de forma y
densidad de los árboles. Los rangos sólo fueron
significativos cuando el tamaño medio de las
copas era igual o mayor a 10 m. A la resolución
de 30 m, solamente la meseta contenía
información útil, relacionada con el porcentaje
de cobertura.

Uso de variogramas para la determinación del tamaño medio de las copas, Hernández, J. y Corvalán, P.
5
Figura 1: Ejemplo de Variograma (modelo esférico) mostrando sus características principales: efecto
pepita, rango y meseta.
Variogramas experimentales
Se denomina variograma experimental a aquel
que es obtenido por estimación a partir De los
datos de una muestra. El estimador más común
se basa en el método de los momentos, que
puede escribirse como sigue (Cressie, 1991):
Donde,
|N(h)| = número de pares distinto.
En la literatura especializada este estimador es
conocido como estimador clásico y es válido
bajo condiciones de estacionaridad de segundo
orden o procesos intrínsecos.
Por definición, el variograma pasa por el origen,
esto es 2γ(0)=0. Sin embargo, frecuentemente el
variograma exhibe una discontinuidad en el
origen, una característica denominada efecto
pepita o "nugget efect" (Figura 1). Journel y
Huijbregts (1978) señalan que este efecto se
puede deber a dos posibles causas: errores de
medición o microvariaciones del fenómeno
estudiado, relacionándolo con la escala de
observación. Si la microvariación es continua la
única razón para el efecto pepita sería un error
de medición, pero si no lo es, se puede modelar
el proceso a una escala muy pequeña como
“ruido blanco” (Cressie, 1991).
La meseta o "sill" (Figura 1) se presenta cuando
el variograma deja de crecer y alcanza un
valor constante, dentro de cierta distancia. Este
valor es simplemente la varianza a priori de la
función aleatoria. En estos casos, la covarianza
existe, y el proceso es estacionario de segundo
orden.
A medida que la separación h entre dos puntos
aumenta, la correlación entre ambos puntos,
típicamente, decrecerá. A un cierto valor de h la
correlación se hace prácticamente nula, y más
allá de este valor se puede decir que los puntos
no están correlacionados. A esta distancia se le
llama rango (Figura 1).
A menudo la correlación espacial entre puntos
del espacio no es igual en todas las irecciones.
Cuando ocurre lo anterior, se tiene un proceso
anisotrópico, y el vario-grama no es sólo función
de la distancia h sino que también de la
dirección en la que h crece. Se pueden distinguir
entre dos tipos de anisotropía (Figura 2):
geométrica y zonal (ErsbØll, 1994).
d
j
hN
i RhxZxZ
hN
∈−= ∑ ,))()((
)(
1
2 2
)(
γ
},...,1,;:),{()( njihxxxxhN jiji ==−=

5
Figura 2: Gráficos direccionales que muestran una variación espacial en función de la dirección
Un conocimiento previo del fenómeno bajo
estudio puede ayudar bastante en el análisis de
la anisotropía. En el caso de cultivos agrícolas o
forestales a menudo se pueden determinar
patrones reconocibles, en ciertas orientaciones,
debido a las líneas de regadío o de plantación
(Sandholt, 1996). Si se detecta anisotropía
geométrica se puede tratar de controlar
mediante una transformación de coordenadas
como se muestra en la Figura 2 (Deutsch y
Journel, 1992).
Una vez que se ha obtenido el variograma
experimental y se ha estudiado su
comportamiento, el paso siguiente es encontrar
algún modelo paramétrico que ajuste
adecuadamente los datos muestrales. En
general, los modelos disponibles se aplican
sobre procesos isotrópicos dado que la
anisotropía puede ser tratada con
transformaciones geométricas. Los modelos
más comunes pueden ser agrupados dentro de
tres clases: modelos de transición, modelos sin
meseta, y modelos de efecto pepita puros
(Pannatier, 1996):
Modelos de transición:
a) Modelo esférico:
Donde a es el rango y c es la meseta o varianza.
Este modelo tiene un comportamiento lineal en
el origen y alcanza la meseta a una distancia
igual al rango a. Si se asume estacionaridad de
de segundo orden la relación entre el
variograma estandarizado y el correlograma
tiene la forma que se muestra en la Figura 3.
b) Modelo exponencial:
Donde c es la meseta o varianza y a es
prácticamente el rango, esto es, la distancia en
la que el valor del variograma alcanza el 95 %
del valor de la meseta. El modelo es asintótico y
tiene un comportamiento lineal en el origen
(Figura 3).
c) Modelo Gaussiano:
Donde c es la meseta o varianza y a es
prácticamente el rango (valor al 95 % de la
meseta). Este modelo también alcanza
asintóticamente la meseta y tiene la forma típica
de la curva Gaussiana (Figura 3).
Modelos sin meseta:
d) Modelo Potencial:
Donde c es la varianza positiva y a es una
potencia entre 0 y 2. Este modelo es de interés
debido a que presenta una variedad de formas
A B C





≤
















−⋅
=
casootroc
ahsi
a
h
a
h
c
h
3
5.05.1
)(γ








−⋅=
−
a
h
ech
3
1)(γ








−⋅=
− 2
2
3
1)( a
h
echγ
a
hch ⋅=)(γ

7
al variar el valor de a (Figura 3).
Modelos de efecto pepita puros:
Son modelos que simplemente asumen un
comportamiento constante. La discontinuidad en
el origen sigue un modelo discontinuo de
transición que asigna el valor 0 cuando |h| es
igual a 0, y el valor de la discontinuidad c, en
cualquier otro caso.
Objetivo general del estudio
El objetivo general del estudio fue analizar la
relación entre los parámetros descriptivos de
variogramas experimentales, ajustados a
modelos teóricos usando datos de imágenes
digitales aéreas, y el tamaño medio de las copas
en rodales de Pinus sylvestris, creciendo en
diferentes estructuras de desarrollo.
Objetivos específicos
• Analizar la relación entre del tamaño del
píxel y el nivel de discriminabilidad de las
copas y el nivel de agregación a que estos
se ven sometidos.
• Analizar la relación entre el rango de
variogramas ajustados con distintos
modelos teóricos y el diámetro promedio de
las copas.
• Determinar la existencia de compor-
tamientos anisotrópicos en la imagen
original y analizar su influencia en la
estimación del diámetro promedio de las
copas.
MATERIAL
Los municipios de Cercedilla y Navacerrada,
enclavados en la Sierra de Guadarrama,
pertenecen a la Comunidad de Madrid y abarcan
una superficie conjunta de 6.835 ha. Se sitúan
entre las coordenadas 3º59’29’’ y 4º06’00’’ de
longitud oeste y entre los 40º47’40’’ y los
40º47’40’’ de latitud norte.
La zona de estudio está dividida
administrativamente en once montes, cuyos
números se encuentran recogidos en el
Catálogo de Montes de Utilidad Pública de
España. Los montes de pinares corresponden a
Figura 3: (A) Modelo esférico, (B) relación entre el variograma [γs(h)] y el correlograma
[ρ(h)], (C) modelo exponencial, (D) modelo gaussiano y, (E) modelo potencial.

7
los Nº 24, 25, 32, y 33, con una superficie
arbolada total de 3.775 ha. Aún cuando la
especie dominante es Pinus sylvestris, en
algunos casos aparece Quercus pyrenaica,
mezclándose en distintas proporciones y
dominando a veces en las partes más bajas.
Para la recopilación de información se
seleccionaron rodales de los montes con
pinares. Dichos rodales fueron elegidos por
tener características estructurales bien
diferenciadas, las cuales se describen a
continuación:
a) Rodal 46 - Monte 32: Bosque de Pinus
sylvestris de estructura irregular.
b) Rodal 71 - Monte 32: Bosque Mixto de Pinus
sylvestris y Quercus pyrenaica.
c) Rodal 84 - Monte 33: Repoblación de Pinus
sylvestris de mediana edad.
d) Rodal 12 - Monte 24: Bosque regular y
adulto de Pinus sylvestris.
Se trabajó con fotografías aéreas métricas en
color, escala 1:6.500, de mayo de 1991. Se
escanearon aquellas que contenían a los 4
rodales seleccionados. Se usó un escáner HP,
con píxeles de 0,33 m, en promedio. Sólo se
digitalizaron las zonas que incluían a los rodales
y a una cantidad suficiente de puntos "notables"
georreferenciables para no aumentar en exceso
el tamaño de los archivos. La Figura 4 muestra
las fotografías escaneadas, aún sin corregir
geométricamente.
Figura 4: Fotografías áreas 1:6.500 escaneadas de (A) rodal 46, (B) rodal 71, (C) rodal 84, y (D) rodal 12.

9
METODO
La metodología se divide en tres partes
fundamentales: procesamiento inicial de las
fotografías aéreas, análisis de la relación entre
el tamaño del píxel y el nivel de agregación,
cálculo de variogramas y análisis de la
anisotropía.
Procesamiento de las fotografías aéreas.
Para cada una de las zonas escaneadas en los
cuatro rodales seleccionados se realizó una
rectificación y una georreferenciación de
las
imágenes digitales a través de la utilización
de
puntos de control. Se utilizó el módulo
RESAMPLE de Idrisi (2.0 for Windows) con una
media de 10 puntos de control por rodal. Se
consideró que la cantidad de puntos de control
fue suficiente dado que se trata de superficies
relativamente pequeñas, menores a 50
hectáreas.
A continuación se extrajeron las zonas
específicas de cada rodal que fueron utilizadas
en los análisis posteriores (Figura 5). La
selección de las áreas de la imagen del rodal
fueron dirigidas, previa fotointerpretación para
asegurar su representatividad.
A C
B D
Figura 5: Imágenes seleccionadas en cada rodal. A: rodal 12, B: rodal 46, C: rodal 71 y D: rodal 84. En
los cuatro casos, las imágenes de la izquierda fueron construidas con píxeles de 5 m y las de la
derecha tanto con píxeles de 0,33 m como de 1,0 m.
Tamaño del píxel v/s nivel de discriminación
de las copas.
Previo al cálculo de los variogramas fue
necesario decidir acerca del tamaño de píxel a
utilizar, para lo cual se requiere conocer como
afecta la escala de percepción en la
discriminabilidad de los objetos de la escena y el
nivel de agregación a que éstos se ven
sometidos. El nivel de percepción de una
imagen se define a través del tamaño del píxel.
Si se conoce el nivel de agregación que sufren
los objetos a medida que el tamaño del píxel
cambia se podrá decidir acerca de los mejores
tamaños para la su descripción o se sabrá de
las limitaciones, si el tamaño del píxel no puede
ser elegido a priori.
Con el fin de estudiar la relación entre el tamaño
del píxel y el nivel de agregación de los árboles
se ha realizado una evaluación sobre 3 tamaños
diferentes (Cuadro 1):

9
Cuadro 1: Tamaños de píxel seleccionados para analizar su relación con el nivel de agregación de los
objetos.
Nivel Tamaño del pixel (m)
I 0,33 x 0,33
II 1,00 x 1,00
III 5,00 x 5,00
La información usada en los cálculos se obtuvo
a partir de las fotografías áreas escaneadas
cuya resolución espacial inicial fue de 0,33 m
(nivel I). Los datos para los niveles II y III se
obtuvieron por degradación de las imágenes
originales a través de una agregación de sus
píxeles. Dicha agregación consideró una
ventana de 3 x 3 píxeles para el nivel II, y de 15
x 15 píxeles para el nivel III. Se utilizaron
ventanas de 30 x 30 metros para las imágenes
con píxeles de 0,33 m y 1 m. Dichas zonas
están contenidas en las imágenes con píxeles
de 5,0 m (Figura 5).
La razón principal de trabajar con ventanas de
tamaño variable se debe a que el número de
pares posibles de utilizar en el cálculo de los
variogramas experimentales, separados a
distancias unitarias h=1, 2, ..., crece
exponencialmente a medida que aumenta el
tamaño de la imagen. Así, para una imagen de
30 x 30 píxeles se generan más de 400.000
pares y el archivo de datos correspondiente
ocupa más de 6 "megabytes" de memoria. De
todas maneras, para un tamaño de píxel de 0,33
m se considera que un análisis más allá de 15 m
no tiene relevancia si el tamaño de los objetos
no es mayor que este valor, lo cual se
comprueba para las copas del pino silvestre.
Para tamaños de píxel de 1 m y 5 m se ha
considerado que el análisis pierde relevancia
más allá de 15 m y 75 m, respectivamente.
Cálculo de Variogramas
El procedimiento de cálculo consistió en obtener
los rangos, con el tamaño de las copas y
estudiar la relación entre los variogramas
experimentales asociados a cada ventana, por
separado. Para ello, se convirtió la información
de las imágenes en archivos ASCII del tipo XYZ
(coordenadas [x,y] más el valor del nivel digital
z). A partir de estos archivos se obtuvieron los
pares de píxeles a diferentes distancias unitarias
h (Figura 6). De esta forma, con píxeles de 1 m,
las distancias correspondieron a 1, 2, 3, ... hmáx
metros. En este caso hmáx es la distancia
diagonal entre los píxeles de las esquinas de la
ventana (≈ 42 m), y sólo se tienen dos pares de
píxeles que cumplen con esta condición. Una
vez determinados que pares se incluían en cada
distancia, se calcularon las diferencias y se
obtuvieron los variogramas experimentales.
Para el cálculo de los variogramas direccionales
fue necesario definir algunos parámetros
adicionales. El Cuadro 2 resume los parámetros
requeridos y la forma en que los píxeles
incluidos en los cálculos son seleccionados. El
procedimiento es siempre el mismo y sólo se
cambian los píxeles involucrados de acuerdo al
valor que adopten los parámetros de selección.
Cuadro 2: Parámetros para la selección de píxeles en el cálculo de los variogramas experimentales.
Parámetro Valor
Dirección
0º, 45º, 90º, 135º,
omnidireccionales
Tolerancia angular 5º
Intervalo (h) 1 m
Ancho de banda máximo 5 m

11 0
1
2
4
1
3
4
1
2
1
6
2
2
9
1
6
2
0
4
71
3
2
8
9
1
7
1
9
1
1
8 6 9
1
1
9
1
5
4
6
8
2
5
4
2
5
6 6
4
7
9
2
2
0
8
2
2
7
1
8
1
1
1
1
3
3
9
2
2
1
6
2
2
4
2
2
4
8
2
2
5
1
5
3
6
2
1
93
9
1
7
4
2
0
7
2
1
0
2
0
5
1
3
6
8
9
5
26
3
1
6
9
1
9
6
2
1
1
1
6
8
1
3
7
1
2
1
8
83
4
6
3
7
7
1
4
0
2
8
4
8
3
1
2
54
8
6
9
5
7
1
2
4
5
5
8
6
5
2
1
1
2
Figura 6: Esquema general del procesamiento y análisis geoestadístico de las fotografías escaneadas.
(A): A partir de ventanas de 30 x 30 m se crean (B): archivos "XYZ" que se utilizan para (C): la
construcción de los archivos de pares. Los pares corresponden a los píxeles separados a una
distancia dada (1, 2, 3, ... m). (D):Con la información anterior se construyen los variogramas
direccionales. (E) Cada punto del variograma representa la media de una nube de puntos para una
distancia h dada. Cada punto de dicha nube corresponde a dos píxeles específicos de la imagen
original, separados a la distancia h, en este caso igual a 4.
Estimación del diámetro medio de las copas
por fotointerpretación.
Para conocer la relación existente entre los
rangos de los variogramas y los objetos de la
escena, se procedió a realizar una interpretación
visual de las imágenes de la figura 5. Se
demarcaron los objetos unitarios reconocibles
y se calcularon sus áreas (Figura 7, Cuadro 3).
Se reconocieron en terreno los árboles
involucrados y se corrigió la demarcación en la
imagen. A partir del objeto (árbol) con el área
promedio A se procedió a calcular el diámetro
de copa asociado, de acuerdo a la expresión:
π/2 Adiámetro ∗=
A B
C
D
E
PARES

9
Polígono área (m
2
) Polígono área (m
2
)
1 1,9 19 14,2
2 13,7 20 10,6
3 10,4 21 8,1
4 33,2 22 18,1
5 25,8 24 30,1
6 31,5 25 4,2
8 14,0 26 30,3
9 10,6 28 12,5
10 6,3 30 22,4
11 2,6 32 6,8
13 33,2 34 15,1
14 15,6 37 19,5
15 18,2 38 22,5
16 26,2 40 4,6
18 23,3
Determinación de la existencia de comportamientos anisotrópicos en la imagen original y análisis
de su influencia en la estimación del diámetro promedio de las copas.
Fue necesario determinar la presencia de
anisotropía debido a que es influyente en la
determinación de la mejor estimación del
tamaño de las copas la dirección del
variograma, procediendo como se muestra en la
Figura 8.
Figura 8: Forma de cálculo y parámetros necesarios de especificar en el cálculo de variogramas (A):
direccionales y (B):superficiales (Pannatier, 1996).
Figura 7: Imagen del rodal 12 (30 x
30 m), usada en el cálculo de
variogramas, con polígonos
definidos en forma visual.
Cuadro 3: área y polígonos de la imagen en
Figura 7.

13
RESULTADOS Y DISCUSION
Tamaño del píxel v/s nivel de
discriminabilidad de las copas.
Los cálculos fueron efectuados de acuerdo a la
metodología presentada en el punto anterior.
Los variogramas experimentales
omnidireccionales y superficiales se presentan
en las Figuras 9 y 10.
En el caso del rodal 12, los árboles pueden ser
reconocidos con cierta facilidad mientras que en
los rodales 71 y 84 el reconocimiento es un poco
más difícil, pero puede realizarse si se asume
que algunos de los agrupamientos de pixels de
tonos claros (“manchas”) corresponden a grupos
de árboles más que a árboles individuales.
Para el rodal 46 el reconocimiento de árboles
individuales es más restringido y la mayoría de
las “manchas” corresponde a grupos de árboles.
Por otra parte, en el rodal 12 prácticamente no
se produce entrecruzamiento de copas, en los
rodales 71 y 84 se producen en forma frecuente,
y en el rodal 46 la mayoría de las copas están
entrecruzadas. En general, para píxeles de 5 m
sólo pueden reconocerse mosaicos de copas-
claros, pero no árboles individuales.
A1 B1
A2 B2
A3 B3
C1 D1
C2 D2
C3 D3
Figura 9: Variogramas omnidireccionales calculados con datos del rodal (A):12, (B):46,(C): 71,
y (D): 84, para tamaños de píxel de 0,33 m (1), 1 m (2) y 5 m (3).

Figura 10: Variogramas superficiales calculados para todos los rodales (12, 46, 71 y 84), con tamaños de
píxel de (i): 0,33 m, (ii):1 m y, (iii): 5 m .

15 0
A partir de los variogramas experimentales se
procedió a probar los distintos modelos teóricos
(exponencial, esférico y exponencial). Se eligió
aquel que presentó el mejor índice de bondad
de ajuste. Los resultados se muestran en el
Cuadro 4.
Cuadro 4: Parámetros de los modelos ajustados para los datos de los variogramas experimentales
presentados en la Figura 5.
Tamaño del píxel
(m)
RANGO MESETA MODELO
BONDAD
DE AJUSTE
RODAL 12
0,33 x 0,33 4,5 705 Exponencial 0,0287
1 x 1 4,6 700 Esférico 0,0311
5 x 5 11,3 409 Exponencial 0,0014
RODAL 46
0,33 x 0,33 6,2 1128 Exponencial 0,0392
1 x 1 6,1 1182 Esférico 0,0027
5 x 5 15,8 850 Exponencial 0,0029
RODAL 71
0,33 x 0,33 4,3 594 Exponencial 0,0046
1 x 1 4,3 470 Esférico 0,0019
5 x 5 11,3 405 Exponencial 0,0010
RODAL 84
0,33 x 0,33 4,5 453 Exponencial 0,0055
1 x 1 4,4 374 Esférico 0,0033
5 x 5 12,0 315 Exponencial 0,0015
El índice de bondad de ajuste se calculó de
acuerdo a la siguiente expresión:
Donde n es el número de intervalos de distancia,
D es la máxima distancia, P(i) es el número de
pares para el intervalo i, d(i) es la media de los
pares en el intervalo i, γ(i) es la medida
experimental para de la continuidad para el
intervalo i, γ'(i) es la medida del modelo para de
la continuidad para el intervalo i, y σ
2
es la
varianza a priori (Pannatier, 1996).
Si se consideran los resultados del Cuadro 4 y
los gráficos presentados en la figura 9, se
pueden extraer una serie de observaciones
respecto al efecto del tamaño del píxel sobre la
detección de anisotropía y las características de
los variogramas omnidireccionales.
Respecto de las características de los
variogramas experimentales, se observa que los
rangos para imágenes con píxeles de 0,3 m y 1
m, en los cuatro rodales, no presentan
diferencias significativas. Esta situación puede
ser comprobada tanto en los variogramas
experimentales como en los variogramas
modelizados. A estos mismos tamaños de píxel,
los valores adoptados por los rangos se
encuentran dentro del espectro de valores
posibles para los diámetros de copa del pino
silvestre en la zona. Sin embargo, esta relación
se pierde completamente cuando se utilizan
píxeles de 5 m, en cuyos casos los rangos
tendrían una interpretación con respecto al
tamaño de grupos de árboles y de mosaicos
entre zonas de monte y de claros.
Por otra parte, se observa una disminución de
las mesetas a medida que se aumenta el
tamaño del píxel. En el rodal 12, los valores
alcanzados por las mesetas, para píxeles de 0,3
m y 1 m, sobrepasan el valor de las varianza a
priori, correspondientes a ≈ 645 y ≈ 600 en
∑
∑=
=



 −
=
n
i
n
j
ii
id
D
jP
iP
IBA
0
2
2
0
)(')(
)()(
)(
σ
γγ

la figura 5, A1 y A2, respectivamente. Para
tamaños de píxel 5 m, la varianza a priori
disminuye a ≈450, y el variograma experimental
no sobrepasa este límite para ningún valor de la
distancia.
La modificación del variograma experimental en
función del tamaño del píxel se conoce el
nombre de regularización. En geoestadística, en
general se asume que las mediciones son
tomadas sobre una muestra de puntos (x,y,z)
del espacio, con z igual a la variable de interés,
y los variogramas experimentales obtenidos a
partir de ellos se denominan puntuales. Sin
embargo, este no es el caso de la información
teledetectada, en donde las mediciones se
realizan en forma de un promedio para una
unidad superficial determinada o píxel. Esta
unidad de área es llamada soporte y en ella se
puede encontrar una nube de puntos V(x,y,z).
De esta forma, se dice que el promedio para la
variable z, de los puntos dentro de la unidad
superficial, es la regularización de dicha variable
sobre la nube de puntos V(x,y,z). Esta
regularización, proporcional al tamaño del píxel
suaviza el variograma debido a que parte de la
variación se pierde en la obtención de los
promedios. Se puede demostrar que una función
aleatoria regularizada de una función aleatoria
puntual con estacionaridad de segundo orden es
también estacionaria de segundo orden y, por lo
tanto, la obtención del variograma es directa.
En general, la relación entre los variogramas
puntuales y sus regularizaciones puede exprese
como:
Donde γ
2
es el variograma puntual, γz es su
versión regularizada, y se permite una transición
continua sobre escalas sucesivas de una
estructura heterogénea (Serra, 1993). En el
resto del estudio no se hace una distinción
explícita respecto a variogramas puntuales o
regularizados y se utilizan éstos últimos en
forma directa. Producto de la regularización, los
tamaños de píxel de 5 m no generan el tipo de
información que se busca en este trabajo. El
tamaño de píxel de 1 m, sufre un leve
suavizamiento que no interfiere
significativamente con la forma de los
variogramas y permite la utilización de modelos
esféricos en los ajustes de variogramas teóricos.
Dado que se disminuyen los requerimientos de
memoria y que se obtiene información
equivalente a aquella calculada con píxeles de
0,3 m se seleccionó 1 m como el tamaño más
adecuado para analizar las fotografías aéreas y
al esférico como el modelo teórico a utilizar.
Relación entre el rango de los variogramas y
el diámetro medio de las copas. Si se
consideran los valores de los rangos para
tamaños de píxel de 1 m en la tabla 4 y los
valores del diámetro promedio vía
fotointerpretación (Cuadro 5), se puede
comprobar la existencia de una alta
correspondencia para los cuatro rodales.
Cuadro 5: Diámetros de copa estimados por fotointerpretación y rangos de variogramas usando
imágenes con píxeles de 1 m.
Rodal Diámetro medio por
Fotointerpretación
(m)
Rango del variograma
Asociado (m)
12 4,6 4,6
46 6,0 6,1
71 4,5 4,3
84 4,6 4,4
γ z(h) = m+γ2
|h|>dia (Z); m Cte. positiva

Análisis de la anisotropía
Se observan evidentes anisotropías para los
casos de los rodales 12 y 84 (Figura 10), siendo
la del rodal 12 menos marcada. Dichas
anisotropías, que se observan mejor
representadas para tamaños de píxel de 0,3 m
y 1 m, pueden ser identificadas y cuantificadas
si se calculan los variogramas para las 2
direcciones dominantes. En el rodal 12, las
direcciones dominantes corresponden,
aproximadamente, a los 30º y su
perpendicular, mientras que para el rodal 84, la
dominancia se observa para la dirección 45º y
su perpendicular. En ambos casos, la
anisotropía podría afectar en la relación del
rango del variograma omnidireccional y el
diámetro de las copas. Las causas de este
comportamiento pueden encontrarse en la
disposición original de las copas en las
imágenes (Figuras 4 y 5). En la imagen del rodal
12 se observa una leve tendencia a la alineación
de las copas en la dirección 30º, y en el rodal 84
se observa una fuerte alineación en la dirección
45º. En ambos casos, los tamaños de píxeles
de 0,3 m y 1 m
han sido capaces de recoger esta tendencia y
por lo tanto pueden ser utilizados en su
detección. Tamaños de píxel mayores no han
mostrado en forma clara comportamientos
anisotrópicos y las tendencias a nivel de árbol
individual se "diluyen" con el resto de árboles del
rodal.
CONCLUSIONES
Con la utilización de tamaños de píxel de 1 m
se obtienen estimaciones del tamaño de la copa
equivalentes a aquellas obtenidas con píxeles
de 0,3 m. Debido al efecto de la regularización
se produce un leve suavizamiento del
variograma experimental. Esta situación permite
un mejor ajuste de variogramas teóricos del tipo
esférico. Para los tamaños de píxeles de 5 m no
es posible obtener información acerca del
tamaño de las copas y los parámetros de los
variogramas teóricos asociados se refieren a
grupos de árboles de la escena o al tamaño de
las interfaces copas-claros.
Se constató una alta correlación entre el tamaño
de las copas y el rango de los variogramas
omnidireccionales. Estos últimos pueden ser
utilizados para estimar el valor promedio de
los primeros en el ámbito de una subzona de la
imagen, o ventana. Dichas correlaciones se ven
afectadas de acuerdo a la estructura de
desarrollo dominante del pinar en cada rodal. En
situaciones en donde la masa tiende a ser
regular (rodales 12 y 71) las estimaciones no
presentarían sesgos. En situaciones en donde la
masa tiende a ser irregular y se tiene una
proporción importante de copas entrecruzadas
(rodal 46 y 84), las estimaciones tienden a
sobrestimar el tamaño de las copas. Esta
sobrestimación es proporcional al grado de
entrecruzamiento.
La presencia de comportamientos anisotrópicos
altera la relación entre el rango del variograma y
el diámetro de la copa. En dichos casos, el
tamaño de la copa se correlaciona en mayor
medida con el rango de variogramas
direccionales calculados para una determinada
dirección dominante. Dicha dirección varía de un
rodal a otro de acuerdo condiciones locales de
la masa.
BIBLIOGRAFIA
Bachacou, J., Bouchon, J. y Tomimura, S. 1979.
Structural Studies in Forest Using
Mathematical Morphology. In: Quantitative
Structural Analysis of Forest, Symposium
organized by "Delegation a la Recherche
Scientifique et Technique", Strasbourg, 19-21
October, pp. 199-203.
Cohen, W.B., Spies, T.A. y Bradshaw, G.A.
1990. Semivariograms of Digital Imagery for
Analysis of Conifer Canopy Structure.
Remote Sensing of Environment, Vol. 34:
167-178.
Cressie, N.A.C. 1993. Statistics for Spatial Data.
John Wiley & Sons, Revised Edition, New
York.
Decourt, N. 1979. Use of Variograms to Study
Intraspecific Competition in Forest Stand. In:
Quantitative Structural Analysis of Forest,
Symposium organized by "Delegation a la
Recherche Scientifique et Technique",
Strasbourg, 19-21 Octubre, pp. 249-250.
Deutsch, C.V. y Journel, A.G. 1992. GSLIG,
Geostatistical Software Library and User's
Guide. Oxford University Press.
Ersbøll, A.K. 1994. On the Spatial and Temporal
Correlations in Experimentation with
Agricultural Applications. PhD Thesis,
Institute of Mathematical Modelling, DTU,
Lyngby, Denmark, DK-2800.

Hladik, A. 1979. Regionalized Variables in the
Plant/Primate Interface: A Study of Three
Species in a Semi-deciduous Forest in Sri-
Lanka. In: Quantitative Structural Analysis of
Forest, Symposium organized by "Delegation
a la Recherche Scientifique et Technique",
Strasbourg, 19-21 October, pp. 273-287.
Journel, A.G. y Huijbregts, Ch.J. 1978. Mining
Geoestatistics. Academics Press, New York.
Matheron, G. 1971. The Theory of Regionalized
Variables and its Applications. Les Cahiers
du CMM, Fasc. Nº 5, ENSMP, Paris.
Pannatier, Y. 1996. Variowin. Software for
Spatial Data Analysis in 2D. Springer,
Statistics and Computing.
Sandholt, I. 1996. Combining Data in Remote
Sensing Land Use Classification. PhD.
Thesis. Dina Research Rapport, Nº 55,
Denmark.
Serra, J. 1993. Image Analysis and
Mathematical Morphology. Academic Press,
London.
Woodcock, C.E, Strahler, A.H y Jupp, D.L.
1988a. The Use of Variograms in Remote
Sensing: I. Scene Models and Simulated
Images. Remote Sensing of Environment,
Vol. 25:. 323-348.
Woodcock, C.E, Strahler, A.H y Jupp, D.L.
1988b. The Use of Variograms in Remote
Sensing: II. Real Digital Images. Remote
Sensing of Environment, Vol

N1 2a1

Más contenido relacionado

Similar a N1 2a1 (20)

Último (20)

N1 2a1