Desarrollo de un flujo metodológico de segmentación de árboles individuales a partir de nubes de puntos: evaluación del efecto de la arquitectura, el plan de vuelo y etapa fenológica

Abstract

Existe una brecha de conocimiento sobre cómo las condiciones de observación en Structure from Motion (SfM) influyen en la información obtenida sobre la estructura vegetal y su impacto en el cálculo de atributos físicos. Aspectos particulares del dron y el proceso fotogramétrico no han sido suficientemente investigados. El objetivo de esta investigación fue el desarrollo de un flujo metodológico de segmentación de árboles individuales a partir de nubes de puntos evaluando el efecto de la arquitectura, el plan de vuelo y la etapa fenológica. Se utilizó un enfoque metodológico que incluyó la adquisición de imágenes con drones bajo 30 configuraciones combinando dos alturas de vuelo, tres ángulos de observación, dos etapas fenológicas y tres sectores de distinta arquitectura arbórea. Se generaron nubes de puntos por fotogrametría y se aplicó el algoritmo “dalponte2016” para detectar y segmentar árboles individuales. Se extrajeron atributos forestales como altura y diámetros de copa y se validaron los resultados comparándolos con datos de terreno mediante métricas de exactitud. Los principales resultados indicaron que la arquitectura del sector afectó significativamente el rendimiento, con el sector Nogales mostrando la mayor exactitud de segmentación promedio, mientras que Arboretum presentó la menor exactitud y los mayores errores de medición. Los parámetros de vuelo también influyeron; la altura de 30 metros y la combinación de ángulos Nadir y 45° generalmente optimizaron la segmentación y redujeron los errores de medición, aunque el efecto del ángulo en la medición varió por métrica. La etapa fenológica tuvo un impacto directo, observándose que la presencia de follaje mejoró la detectabilidad y exactitud de medición, a pesar de un aumento en los errores de comisión. Dados los resultados obtenidos se concluyó que, para aplicaciones futuras en contextos similares, se recomienda la adquisición de datos con vuelos a 30 metros de altura, combinando ángulos Nadir y 45°, y preferentemente durante la etapa con follaje. Se destaca que los resultados obtenidos se pueden considerar como la situación basal, dando espacio a la utilización de información complementaria para mejorar el desempeño.

A knowledge gap exists regarding how observation conditions in Structure from Motion (SfM) influence the information obtained on vegetation structure and its impact on calculating physical attributes. Aspects of the drone and the photogrammetric process have not been sufficiently investigated. The objective of this research is to develop a methodological workflow for individual tree segmentation from point clouds, evaluating the effect of architecture, flight plan, and phenological stage. A methodological approach was used that included drone image acquisition under 30 configurations combining two flight altitudes, three observation angles, two phenological stages, and three sectors with different architecture. Point clouds were generated by photogrammetry, and the “dalponte2016” algorithm was applied for individual tree detection and segmentation. Forest attributes such as height and crown diameters were extracted, and the results were validated by comparing them with ground truth data using accuracy metrics. The main results showed that the sector´s architecture significantly affected performance, with the Nogales sector showing the highest average segmentation accuracy, while Arboretum presented the lowest accuracy and the largest measurement errors. Flight parameters also had an influence; the 30-meter altitude and the combination of Nadir and 45° angles generally optimized segmentation and reduced measurement errors, although the effect of angle on measurement varied by metric. The phenological stage had a direct impact, observing that the presence of foliage improved both detectability and measurement accuracy, despite an increase in commission errors. Based on the results obtained, it was concluded that, for future applications in similar contexts, data acquisition is strongly recommended with flights at 30 meters altitude, combining Nadir and 45° angles, and preferably during the leaf-on stage. It is highlighted that the results obtained can be considered as the baseline situation, allowing for the use of complementary information to improve performance.