>>Atas

 CIAIQ2016    >>Investigação  Qualitativa  em  Engenharia  e  Tecnologia//Investigación  Cualitativa  en  Ingeniería  y  Tecnología//Volume  4  
 
 

Determinación  de  biomasa  en  parcelas  de  cultivos  herbáceos  mediante  

cámaras  ópticas  elevadas  por  medio  de  vehículos  aéreos  no  tripulados  (UAV)  

2 2
José  Luis  Marcos  Robles1,  María  de  la  luz  Gil  Docampo ,  Juan  Ortiz  Sanz ,  Santiago  Martínez  Rodríguez2,    
3 4 4
Fermín  Garrido  Laurnaga ,  Luis  Fernando  Sánchez  Sastre ,  Salvador  Hernández  Navarro ,  Zacarías  Clérigo  
1
Pérez ,  Luis  Ortiz  Sanz1  
 
1
 Departamento  de  Ciencias  de  los  Materiales,  Universidad  de  Valladolid.  España  jlmarcos@iaf.uva.es.    
2
 Departamento  de  Enxeñaría  Agroforestal.  Universidad  de  Santiago  de  Compostela.  España. ml.gil@usc.es  
3
 Departamento  de  Producción  Vegetal  y  Recursos  Forestales.  Universidad  de  Valladolid.  España.  fegala@pvs.uva.es  
4
Departamento  de  Ingeniería  Agrícola  y  Forestal.  Universidad  de  Valladolid.  España.  lux@iaf.uva.es  

Resumen.   Estimar   con   precisión   la   biomasa   por   métodos   tradicionales   con   muestreos   de   campo  
destructivos   es   caro   y   tedioso.   Los   métodos   basados   en   sensores   remotos   aeroportados   con   vehículos  
aéreos  no  tripulados  pueden  ser  utilizados  para  generar  la  información  necesaria  y  estimar  la  biomasa  y  el  
carbono  fijado  por  los  sistemas  agroforestales  en  un  amplio  rango  de  escalas.  La  velocidad  de  obtención  y  
procesamiento   de   los   datos   y   el   relativo   bajo   coste   de   este   procedimiento   hace   que   su   potencial   empleo   en  
sistemas  agroforestales  pudiera  tener  una  gran  importancia.  En  este  estudio  se  desarrolla  un  procedimiento  
para   evaluar   la   biomasa   aérea   en   distintas   parcelas   agroforestales   en  España   por   medio   de   la   fotogrametría  
de  rango  cercano,  un  multirrotor  y  una  cámara  fotográfica  convencional.  Como  conclusión  de  este  estudio,  
se  propone  una  metodología  de  trabajo  mediante  el  uso  de  estas  tecnologías  que  estime  la  producción  de  
biomasa  de  manera  precisa,  fiable  y  económicamente  rentable.  
Palabras  clave:  Vehículos  Aéreos  No  tripulados.  Drones.  Estimación  de  Biomasa.  MDS.  MDT.  Fotogrametría  
de  rango  cercano.  Cambio  climático.  CO2  

Determination  of  biomass  in  areas  of  arable  crops  with  high  optical  cameras  using  UAVs    
Abstract.  To  accurately  estimate  the  biomass  by  using  traditional  methods  with  destructive  field  sampling  is  
expensive  and  tedious.  Methods  based  on  airbone  remote  sensing  with  UAVs  can  be  used  to  generate  the  
necessary  information  and  to  estimate  biomass  and  carbon  fixed  by  agroforestry  systems  in  a  wide  range  of  
scales.   Speed   on   collecting   and   processing   data   and   the   relatively   low   cost   of   this   procedure   makes   that  
their   potential   use   in   agroforestry   systems   could   have   a   great   importance.   In   this   study,   a   process   is  
developed  to  evaluate  aboveground  biomass  in  different  agroforestry  areas  in  Spain  by  using  a  close  range  
photogrammetry,  a  multirotor  and  a  conventional  camera.  As  a  conclusion  of  this  study,  a  methodology  is  
proposed   in   which   these   technologies   are   used   in   order   to   estimate   biomass   production   in   an   accurate,  
reliable  and  economic  way.  
Keywords:  UAV, Estimating biomass,  DSM,  DEM,  Close  range  photogrammetry.  Climate  Change.  CO2

1  Introducción  

La   estimación   precisa   de   biomasa   es   esencial   para   comprender   mejor   los   ciclos   de   carbono   en   los  
ecosistemas   terrestres,   donde   los   bosques   actúan   como   depósito   primario   del   carbono   terrestre  
(Houghton,   2005).   Los   métodos   de   campo   tradicionales   proporcionan   medios   consistentes   para  
evaluar   la   biomasa,   pero   por   lo   general   a   un   alto   costo,   ya   que   a   menudo   implica   un   muestreo  
destructivo  en  una  cobertura  geográfica  limitada  (Popescu,  2007).  
 
Los  métodos  basados  en  sensores  remotos  pueden  ser  integrados  con  evaluaciones  sobre  el  terreno  
para  producir  la  información  necesaria  en  la  estimación  de  la  biomasa.  Las  ventajas  de  la  utilización  
de   estos   sensores   incluyen   la   posibilidad   de   obtener   mediciones   de   cada   lugar,   la   velocidad   con   la  

95  
>>Atas  CIAIQ2016    >>Investigação  Qualitativa  em  Engenharia  e  Tecnologia//Investigación  Cualitativa  en  Ingeniería  y  Tecnología//Volume  4  
 
 

que   los   datos   pueden   ser   recogidos   y   procesados,   el   relativamente   bajo   costo   de   muchos   de   estos  
sensores,   y   la   capacidad   de   recopilar   datos   en   áreas   de   difícil   acceso   desde   el   suelo   (Bortolot   &  
Wynne,  2005).  
 
 
La   capacidad   de   los   sensores   LIDAR   (Light   Detection   And   Ranging)   para   medir   directamente   la  
estructura  vegetal,  ha  supuesto  un  gran  avance  en  el  inventario  remoto  de  los  recursos  forestales.  A  
pesar  de  que  la  tecnología  LIDAR  se  postula  como  la  más  adecuada  para  la  estimación  de  biomasa,  el  
alto   coste   del   hardware   y   de   la   ejecución   de   los   vuelos,   únicamente   aconseja   su   aplicación   en  
proyectos  de  gran  envergadura.  En  proyectos  más  reducidos  o  menor  presupuesto,  se  plantean  otros  
sistemas  como  los  basados  en  sensores  pasivos.  Estos  dependen  de  la  variabilidad  de  las  respuestas  
espectrales   de   la   vegetación   en   las   regiones   del   visible   e   infrarrojo   cercano.   Índices   ampliamente  
aceptados   como   el   NDVI   (Índice   de   Vegetación   de   Diferencia   Normalizada)   y   el   LAI   (Índice   de   Área  
Foliar)   (Jonckheere,   Nackaerts,   Muys,   van   Aardt,   &   Coppin,   2006;   Morsdorf   et  al.,   2004;   Morsdorf,  
Kötz,   Meier,   Itten,   &   Allgöwer,   2006)   han   sido   empíricamente   correlacionados   con   parámetros  
estructurales   del   dosel   de   copas.   Los   sensores   ópticos   pasivos   proporcionan   mediciones   detalladas  
de   la   distribución   horizontal   del   dosel   de   copas   mientras   que   los   sistemas   LIDAR   son   capaces   de  
ofrecer  información  precisa  en  ambas  dimensiones,  horizontal  y  vertical.  
 
Al   igual   que   la   teledetección,   la   fotogrametría   permite   realizar   mediciones   detalladas   de   la  
distribución  horizontal  de  la  parte  aérea  de  la  planta  (visible  desde  el  aire)  pero  no  permite  extraer  
información   de   su   estructura   vertical.   Por   este   motivo,   para   calcular   la   biomasa   aérea   es  
fundamental  disponer  de  un  Modelo  de  Elevación  del  Terreno  (MDT)  y  de  modelos  de  superficie  de  
cultivos  (MCS)  (Bendig  et  al.,  2014).  

2  Material  y  Métodos  

2.1.  Área  de  estudio  

El   área   de   estudio   abraca   tres   parcelas   situadas   en   tres   provincias   diferentes   de   España.   Soto   de  
Cerrato  en  Palencia  (Castilla  y  León)  con  una  superficie  modelada  de  1,37  ha,  San  Mateo  de  Gállego  
en  Zaragoza  (Aragón)  con  una  superficie  modelada  de  1,77  ha  y  Ayoó  de  Vidriales  en  Zamora  (Castilla  
y   León)   con   una   superficie   modelada   de   2,27   ha.   Las   tres   parcelas   están   sembradas   con   cultivos  
herbáceos  anuales.

2.2.  Plataforma  de  vuelo  de  Ala  Rotatoria  (Microdrone  MD4-­‐1000  )  

Es  un  vehículo  aéreo,  autónomo,  con  despegue  y  aterrizaje  vertical.  Su  construcción  a  base  de  fibra  
de  carbono  lo  hace  robusto,  muy  ligero  y  resistente.  Los  giros  y  desplazamientos  de  la  aeronave  se  
consiguen  variando  la  potencia  de  uno  o  varios  rotores  simultáneamente.  Por  ser  de  cuatro  hélices  
está   encuadrado   en   el   grupo   de   los   cuadricópteros   y   por   tener   unas   dimensiones   pequeñas   en   la  
subcategoría  micro  UAV  (Nebiker,  Christen,  Eugster,  Flückiger,  &  Stierli,  2007). Es  capaz  de  soportar  
un  peso  máximo  de  1,2  kg  (aunque  el  rendimiento  de  la  batería  será  menor),  más  que  suficiente  para  
sustentar   el   sensor   que   se   manejará   en   este   trabajo.   A   mayor   peso   menor   será   la   autonomía   de  
vuelo,   que   en   ningún   caso   supera   los   60   minutos.   La   altura   máxima   está   fijada   en   120   metros  
mientras   que   la   altura   máxima   sobre   el   nivel   del   mar   no   deberá   superar   los   2.500   metros.   Las  

96  
>>Atas  CIAIQ2016    >>Investigação  Qualitativa  em  Engenharia  e  Tecnologia//Investigación  Cualitativa  en  Ingeniería  y  Tecnología//Volume  4  
 
 

condiciones   meteorológicas   exigidas   para   su   buen   funcionamiento   son:   humedad   menor   al   90%,  
vientos  máximos  de  10-­‐13  m/s  y  temperaturas  entre  0  y  40ºC.  

Fig.  1.  (Microdron  MD4-­‐1000)  

2.3.  Cámara  convencional  óptica  

El   trabajo   fotográfico   se   ha   llevado   a   cabo   íntegramente   con   una   cámara   fotográfica   digital  
convencional:  la  Olympus  Pen  EPM-­‐1  (12,3  Megapíxeles  y  sensor  Live  MOS  de  4/3”).  Se  trata  de  una  
cámara   cuyo   sistema   micro   cuatro   tercios   posibilita   el   utilizar   objetivos   intercambiables,   pero   con   un  
tamaño  y  peso  menor  (265  g  el  cuerpo  con  batería  y  tarjeta  de  memoria  incluidas).  Junto  a  la  cámara  
se  empleó  el  objetivo  M.Zuiko  Digital  ED  12  mm  f/2  de  130  g  de  peso.

2.4.  Software  

El  procesado  de  las  imágenes  obtenidas  con  las  cámaras  fotográficas  se  realizó  mediante  el  programa  
Agisoft   PhotoScan   (PS)   (Agisoft   LLC,   San   Petersburgo,   Rusia).   Se   trata   de   una   de   las   principales  
soluciones   informáticas   de   restitución   fotogramétrica,   de   tipo   comercial,   disponibles   actualmente  
que  implementa  la  SFM-­‐DMVR.  Estas  siglas  hacen  referencia  a  la  Fotogrametría  Digital  Automatizada  
(SFM,  Structure  From  Motion)  y  a  los  algoritmos  de  Reconstrucción  en  3D  de  Alta  Densidad  a  partir  
de  Múltiples  Puntos  de  Vista  (DMVR,  Digital  Multi-­‐View  3D  Reconstruction),  que  permiten  producir  
modelos   3D   de   alta   precisión   y   calidad   fotorrealista   a   partir   de   una   colección   de   imágenes  
desordenadas  de  una  escena  u  objeto,  tomadas  desde  diferentes  puntos  de  vista.    
La  gran  precisión  del  sistema  (Doneus  et  al.,  2011)  y  la  baja  desviación  existente  frente  a  los  modelos  
obtenidos   a   partir   de   datos   provenientes   de   escáneres   láser   son   avaladas   en   múltiples   trabajos  
(Rodriguez-­‐Navarro,  2012).  
El  procesado  de  los  modelos  digitales  del  terreno  se  realiza  a  través  de  Global  Mapper  (Blue  Marble  
Geographics,  Maine,  Estados  Unidos).  Global  Mapper  es  un  software  de  análisis  y  procesamiento  de  
datos  SIG  (Sistemas  de  Información  Geográfica).  El  programa  puede  ejecutarse  de  forma  autónoma  o  
bien   integrado   como   un   módulo   en   otras   herramientas   SIG,   y   tiene   capacidad   para   acceder   a   gran  
cantidad  de  repositorios  de  imágenes,  datos  topográficos  y  archivos  DEM/DSM.  Permite  cálculos  de  
distancias  y  superficies,  análisis  espectral,  cálculo  de  volúmenes  de  corte  y  relleno,  etc.,  además,  es  
también  compatible  con  datos  LIDAR.  

97  
>>Atas  CIAIQ2016    >>Investigação  Qualitativa  em  Engenharia  e  Tecnologia//Investigación  Cualitativa  en  Ingeniería  y  Tecnología//Volume  4  
 
 

2.5.  Toma  de  datos  

Se   fijó   la   altura   de   vuelo   a   60   metros   (2   cm   de   resolución   espacial)   y   el   solape   mínimo,   longitudinal   y  

transversal  en  70%  y  40%  respectivamente,  para  garantizar  la  correcta  generación  del  modelo  3D  con  
Agisoft   PhotoScan.   Para   obtener   una   buena   georreferenciación   se   deben   repartir   sobre   el   terreno  
unos   puntos   de   control   (dependiendo   del   tamaño   de   la   parcela)   cubriendo   la   zona   central   y   los  
extremos   de   la   parcela.   Los   puntos   deben   ser   identificables   en   las   fotografías   tomadas   desde   el  
multirrotor.    
Tras  la  finalización  de  cada  vuelo  se  realiza  el  cálculo  de  biomasa  por  muestreo  aleatorio  de  forma  
destructiva.  En  cada  punto  (se  anotan  las  coordenadas  GPS)  se  lanza  un  aro  de  superficie  conocida  
(0,25  m2)  y  se  extraen  las  plantas  que  se  encuentren  en  su  interior  (parte  aérea).  Las  plantas  se  pesan  
en   húmedo,   se   secan   y   después   se   vuelven   a   pesar   en   seco.   Los   valores   en   peso   que   obtenidos   se  
extrapolan  posteriormente  a  toda  la  superficie  de  la  parcela.  
 

 
Fig.  2.  (Muestreo  de  la  biomasa  con  aro  metálico)  

2.6.  Creación,  ajuste  y  edición  del  Modelo  Digital  de  Superficie  (MDS)  

Las  fotografías  en  formato  ORF  (formato  sin  procesar  RAW  de  las  cámaras  Olympus)  se  deben  revelar  
digitalmente  a  JPG  mediante  cualquier  programa  de  tratamiento  de  imágenes.  Tras  ello,  se  cargan  los  
JPG  en  el  PhotoScan  para  que  calcule  la  orientación  externa  de  las  cámaras  (su  posición  relativa  en  el  
espacio   en   el   momento   de   la   captura).   Con   ello   se   obtiene   la   malla   de   puntos   homólogos   sobre   la  
cual  se  genera  un  modelo  3D  aproximado  de  la  superficie.  
 
Con   ayuda   del   modelo   3D   se   marcan   los   puntos   de   control   y   se   ajusta   su   posición   en   cada   fotografía.  
Se  le  adjudican  las  coordenadas  medidas  en  campo  y  se  optimiza  la  orientación  externa.  Tras  ello  se  
genera   el   modelo   3D   definitivo   con   la   mayor   densidad   de   malla   posible   (calidad   “Ultra   Alta”).   Es  
importante   limitar   la   densidad   de   caras   de   la   malla   a   10   millones   para   evitar   que   se   colapse   el  
ordenador.   Al   finalizar   este   proceso   automático   se   está   en   disposición   de   generar   la   textura  
fotorrealista.  El  programa,  también  automáticamente,  aplica  la  textura  sobre  el  modelo  3D  aplicado  
las  imágenes  utilizadas  para  hacer  el  modelo,  lo  que  garantiza  la  exactitud  de  su  colocación.    

98  
>>Atas  CIAIQ2016    >>Investigação  Qualitativa  em  Engenharia  e  Tecnologia//Investigación  Cualitativa  en  Ingeniería  y  Tecnología//Volume  4  
 
 

El  MDS  generado  en  el  paso  anterior  se  carga  en  el  programa  Global  Mapper  junto  con  el  MDT  de  la  
zona.   El   MDT   puede   ser   descargado   a   través   del   centro   de   descargas   de   la   Web   del   Instituto  
Geográfico   Nacional   (IGN).   Este   modelo   posee   una   resolución   espacial   de   5   m.   Una   vez   se   han  
cargado  ambos  modelos  digitales,  se  procede  a  identificar  30  puntos  sin  vegetación  en  el  MDS  y  se  
anota   su   coordenada   Z.   Del   mismo   modo,   se   anota   la   coordenada   Z   de   esos   mismos   puntos   medidos  
sobre  el  MDT.  Para  finalizar,  se  calcula  la  media  de  las  diferencias  entre  la  coordenada  Z  del  MDT  y  
del   MDS.   Este   factor   de   corrección   se   suma   (su   valor   puede   ser   positivo   o   negativo)   a   cada  
coordenada   Z   de   los   puntos   de   control   empleados   en   la   georreferenciación   del   MDS   original,   y   se  
reposiciona   el   modelo   3D,   con   lo   que   se  consigue   un   MDS   modificado   que   minimiza   los   errores   de  
cota.

Para  calcular  correctamente  el  volumen  y  la  superficie  es  necesario  editar  el  modelo  3D  para  eliminar  
las   calles   u   otra   superficie   que   no   se   corresponda   con   la   zona   objeto   de   la   medición.   La   idea   es  
obtener   el   modelo   3D   únicamente   de   la   zona   de   vegetación   cuya   superficie   se   corresponda   con   la  
superficie  final  en  la  cual  se  va  a  estimar  la  biomasa.

Tras  finalizar  la  edición  se  exporta  el  nuevo   modelo   digital   de   superficie   editado  en  formato  GeoTIFF  
y   con   la   coordenada   Z   ajustada   al   MDT:   el   MDSz.   Es   importante   anotar   el   dato   de   superficie   que  
calcula  el  PhotoScan,  ya  que  se  corresponde  con  el  valor  real  de  la  superficie.  

Fig.  3.  (Izquierda,  ortofoto  georreferenciada  de  la  parcela  de  Soto  de  Cerrato  (Palencia)  generada  a  partir  del  modelo  3D  con  
PhotoScan.  Derecha,  parcela  editada  con  información  de  la  zona  a  estudiar)  

2.7.  Cálculo  de  volumen  por  unidad  de  superficie  de  la  parcela  

Se  cargan  de  nuevo  los  dos  modelos  digitales  de  elevación  (MDT  y  MDSz)  en  el  Global  Mapper  y  se  
calcula  el  volumen  comprendido  entre  ambos  a  través  de  una  rutina  automatizada  del  programa.  El  
resultado   generado   por   el   programa   se   da   en   m3.   Con   el   dato   de   superficie   generado   en   el   paso  
anterior,   se   puede   definir   el   volumen   por   unidad   de   superficie   de   cada   parcela,   en   este   caso   en  
m3/ha.  

99  
>>Atas  CIAIQ2016    >>Investigação  Qualitativa  em  Engenharia  e  Tecnologia//Investigación  Cualitativa  en  Ingeniería  y  Tecnología//Volume  4  
 
 

Fig.  4.  (Superposición  del  MDSz  de  Soto  de  Cerrato  sobre  el  MDT  de  la  zona  en  Global  Mapper.)  

2.8.  Cálculo  del  factor  de  densidad  

Para   poder   estimar   la   biomasa   de   cada   una   de   las   parcelas   es   necesario   calcular   un   factor   de  
densidad   que   nos   permita   pasar   de   m3/ha   a   kg/ha.   Para   ello   se   van   a   utilizar   los   puntos   de   muestreo  
de  biomasa  medidos  en  campo.  El  proceso  del  cálculo  del  volumen  por  unidad  de  superficie  en  cada  
uno  de  los  puntos  de  muestreo  implica  la  siguiente  metodología:  
•   Identificar   en   cada   modelo,   a   partir   de   las   coordenadas   GPS  de   los   puntos   de   muestreo   de  
biomasa  realizados  en  cada  parcela.  
•   Recortar   cada   uno   de   los   puntos   de   muestreo   en   el   modelo   3D   mediante   PhotoScan,  
cogiendo  una  superficie  amplia  alrededor  del  punto.  
•   Anotar  la  superficie  recortada  en  cada  punto  de  muestreo  (dato  generado  por  PhotoScan).  
•   Exportar  en  formato  GeoTIFF  cada  punto  independiente.  Es  decir,  obtener  un  modelo  digital  
de  superficie  para  cada  punto  de  muestreo  (MDSm).  
•   Cargar  de  nuevo  el  MDT  junto  con  todos  los  MDSm  de  cada  parcela  en  el  Global  Mapper.  
•   Calcular  el  volumen  de  cada  punto  de  muestreo.  
•   Con  el  dato  de  superficie  y  volumen  se  definen  los  m3/ha  de  cada  punto.  
•   Con   el   dato   de   volumen   y   peso   por   unidad   de   superficie   de   cada   punto   de   muestreo,   se  
aplica  la  siguiente  fórmula  para  calcular  su  factor  de  densidad:  
 
𝐵
𝐹𝑑 =  
𝑉
 
Donde:  
Fd:  factor  de  densidad  (kg/m3)  
B:  biomasa  por  unidad  de  superficie  (kg/ha)  
V:  Volumen  por  unidad  de  superficie  (m3/ha)  

2.9.  Cálculo  de  la  biomasa  por  unidad  de  superficie  y  biomasa  total  aérea  

El   primer   paso   es   definir   el   factor   de   densidad   de   cada   parcela   como   la   media   de   los   factores   de  
densidad   de   los   puntos   de   muestreo.   Con   el   valor   obtenido   y   aplicando   la   siguiente   fórmula   se  
obtiene  el  valor  de  la  biomasa  por  unidad  de  superficie:  
 
𝐵 = 𝐹𝑑  𝑥  𝑉  
 

100  
>>Atas  CIAIQ2016    >>Investigação  Qualitativa  em  Engenharia  e  Tecnologia//Investigación  Cualitativa  en  Ingeniería  y  Tecnología//Volume  4  
 
 

Todos   los   datos   necesarios   ya   han   sido   calculados   anteriormente.   Para   calcular   la   Biomasa   total,  
únicamente  será  necesario  aplicar  la  siguiente  fórmula:  
 
𝐵𝑇 = 𝐵  𝑥  𝑆  
 
Donde:  
BT=  Biomasa  Total  de  la  parcela  (Kg)  
B=  Biomasa  por  unidad  de  superficie  (kg/ha)  
S=  Superficie  Real  de  la  parcela  (ha)  

3.  Resultados  

Referidos  al  proceso  de  la  toma  de  imágenes:

•   La   cubierta   vegetal   de   Soto   de   Cerrato   favorece   la   toma   de   fotografías   a   mayor   altura.   En  
este  caso  se  realizaron  56  fotografías  a  una  altura  media  de  66  metros  sobre  el  terreno,  lo  
que  resulta  suficiente.  El  tamaño  medio  del  píxel  sobre  el  terreno  es  de  0.020  m/pix.  
•   La   cubierta   vegetal   de   San   Mateo   de   Gállego   requiere   fotografiar   a   una   altura   menor   que   en  
el  caso  de  Soto  de  Cerrato.  En  este  caso  se  realizaron  100  fotografías  a  una  altura  media  de  
116  metros  sobre  el  terreno  (probablemente  la  altura  definida  haya  sido  excesiva).  El  tamaño  
medio  del  píxel  sobre  el  terreno  es  de  0.037  m/pix.  
•   La   cubierta   vegetal   de   Ayoó   de   Vidriales   requiere   una   toma   de   fotografías   a   baja   altura  
(máximo  de  60  metros).  En  este  caso  se  realizaron  99  fotografías  a  una  altura  media  de  161  
metros  sobre  el  terreno  (demasiado  alta).  El  tamaño  medio  del  píxel  sobre  el  terreno  es  de  
0.052  m/pix.  

Los  resultados  de  las  muestras  tomadas  en  campo  se  pueden  apreciar  en  la  tabla  1.  

Tabla  1.    Puntos  de  muestreo  en  biomasa  medidos  en  campo

Parcela   Puntos  de  Muestreo   Biomasa  (kg/ha)  

Soto  de  Cerrato   S1   7.776  
S2   10.839  
 
S3   11.277  
 
S4   9.865  
 
    S5   9.498  
San  Mateo  de  Gállego   C1   7.112  
    C2   10.340  
Ayoó  de  Vidriales   B1-­‐1p   7.117  
B1-­‐2p   5.650  
 
B1-­‐3p   772  
 
B2-­‐1p   557  
 
B2-­‐2p   10.712  
 
B2-­‐3p   10.249  
 
B3-­‐1p   8.567  
B3-­‐2p   7.823  
 
B3-­‐3p   11.124  

101  
>>Atas  CIAIQ2016    >>Investigação  Qualitativa  em  Engenharia  e  Tecnologia//Investigación  Cualitativa  en  Ingeniería  y  Tecnología//Volume  4  
 
 

Los   resultados   extraídos   de   la   información   generada   a   través   de   los   MDZs   de   la   parcela   se   pueden  
comprobar  en  la  tabla  2.  

Tabla  2.    Resultados  extraídos  del  MDSz  de  la  parcela

Sup.  real  de  la  zona   Volumen  total  entre   Volumen  por  unidad  de  
Parcela  
(m2)   MDT  y  MDSz  (m3)   superficie  (m3/ha)  
Soto  de  Cerrato   13.707   9.599   7.003  
San  Mateo  de  Gállego   17.738   4.829   2.722  
Ayoó  de  Vidriales   226.888   48.243   2.126  

Los  resultados  de  la  biomasa  obtenidos  en  las  tres  parcelas  aparecen  reflejados  en  la  tabla  3.  

Tabla  3.    Resultados  de  biomasa  obtenidos  en  las  tres  parcelas

Factor  de  densidad   Biomasa  (kg/ha)   Biomasa  total  (kg)  

Parcela  
(kg/m3)  
Soto  de  Cerrato   1,413   9.895   13.563  
San  Mateo  de  Gállego   2,631   7.163   12.705  
Ayoó  de  Vidriales   2,000   4.253   96.486  

4.  Conclusiones  

Se  ha  conseguido  determinar  la  cantidad  de  biomasa  de  las  parcelas  con  la  metodología  propuesta,  
obteniendo  resultados  que  guardan  una  gran  coherencia  con  lo  observado  en  campo.  Sim  embargo,  
cabe  destacar  que  en  la  determinación  de  la  biomasa,  los  factores  descritos  relativos  a  la  ejecución  
de   los   vuelos,   captura   de   puntos   de   control   y   toma   de   datos   de   campo   pueden   haber   afectado  
negativamente   a   la   fiabilidad   de   los   resultados   alcanzados.   Estos   factores,   pueden   condicionar   la  
validez  de  los  datos  obtenidos  fundamentalmente  en  las  parcelas  de  San  Mateo  de  Gállego  y  Ayoó  de  
Vidriales.  
Respecto  de  la  cámara  fotográfica  empleada,  es  recomendable  recurrir  a  una  réflex  con  un  sensor  de  
mayor  tamaño  y  un  mínimo  de  18  Megapíxeles.  Con  una  cámara  de  estas  características  la  altura  de  
vuelo  es,  además,  menos  limitante,  ya  que  el  tamaño  del  píxel  sobre  el  terreno  a  la  misma  altura  va  a  
ser  considerablemente  menor.  
La   definición   de   la   metodología   aquí   propuesta   junto   con   la   consecución   de   las   condiciones  
requeridas  de  los  datos  de  campo  relativos  a  muestreos,  imágenes  y  puntos  de  control,  permitirán  
obtener  resultados  con  mayor  fiabilidad  en  los  ensayos  sucesivos.  
 
Agradecimientos.   Los   autores   quieren   agradecer   al   Proyecto   Europeo   del   Programa   LIFE+   “Operación   CO2”  
LIFE11/ENV/ES/000535,  así  como  a  los  Ayuntamientos  de  San  Mateo  de  Gállego  (Zaragoza),  Ayoó  de  Vidriales  
(Zamora),  Fundació  Catalunya  La  Pedrera  y  al  resto  de  socios  del  proyecto.  También  agradecen  el  esfuerzo  del  
personal  de  mantenimiento  de  los  campos  experimentales  de  la  UVa  en  Soto  de  Cerrato  (Palencia)  y  la  labor  de  
coordinación  de  la  Fundación  General  de  la  Universidad  de  Valladolid.  

102  
>>Atas  CIAIQ2016    >>Investigação  Qualitativa  em  Engenharia  e  Tecnologia//Investigación  Cualitativa  en  Ingeniería  y  Tecnología//Volume  4  
 
 

Referencias  

Bendig,  J.,  Bolten,  A.,  Bennertz,  S.,  Broscheit,  J.,  Eichfuss,  S.,  &  Bareth,  G.  (2014).  Estimating  biomass  
of   barley   using   crop   surface   models   (CSMs)   derived   from   UAV-­‐based   RGB   imaging.   Remote  
Sensing,  6(11),  10395-­‐10412.  

Bortolot,   Z.   J.,   &   Wynne,   R.   H.   (2005).   Estimating   forest   biomass   using   small   footprint   LiDAR   data:   An  
individual   tree-­‐based   approach   that   incorporates   training   data.   ISPRS   Journal   of  
Photogrammetry  and  Remote  Sensing,  59(6),  342-­‐360.  

Doneus,   M.,   Verhoeven,   G.,   Fera,   M.,   Briese,   C.,   Kucera,   M.,   &   Neubauer,   W.   (2011).   From   deposit   to  
point   cloud–a   study   of   low-­‐cost   computer   vision   approaches   for   the   straightforward  
documentation  of  archaeological  excavations.  Geoinformatics  FCE  CTU,  6,  81-­‐88.  

Houghton,  R.  A.  (2005).  Aboveground  forest  biomass  and  the  global  carbon  balance.  Global  Change  
Biology,  11(6),  945-­‐958.  

Jonckheere,  I.,  Nackaerts,  K.,  Muys,  B.,  van  Aardt,  J.,  &  Coppin,  P.  (2006).  A  fractal  dimension-­‐based  
modelling   approach   for   studying   the   effect   of   leaf   distribution   on   LAI   retrieval   in   forest  
canopies.  ecological  modelling,  197(1),  179-­‐195.  

Morsdorf,   F.,   Kötz,   B.,   Meier,   E.,   Itten,   K.   I.,   &   Allgöwer,   B.   (2006).   Estimation   of   LAI   and   fractional  
cover   from   small   footprint   airborne   laser   scanning   data   based   on   gap   fraction.   Remote  
Sensing  of  Environment,  104(1),  50-­‐61.  

Morsdorf,   F.,   Meier,   E.,   Kötz,   B.,   Itten,   K.   I.,   Dobbertin,   M.,   &   Allgöwer,   B.   (2004).   LIDAR-­‐based  
geometric   reconstruction   of   boreal   type   forest   stands   at   single   tree   level   for   forest   and  
wildland  fire  management.  Remote  Sensing  of  Environment,  92(3),  353-­‐362.  

Nebiker,  S.,  Christen,  M.,  Eugster,  H.,  Flückiger,  K.,  &  Stierli,  C.  (2007).  Integrating  mobile  geo  sensors  
into   collaborative   virtual   globes-­‐design   and   implementation   issues.   En   Mobile   Mapping  
Technologies  Symposium  MMT.  Citeseer.  

Popescu,  S.  C.  (2007).  Estimating  biomass  of  individual  pine  trees  using  airborne  lidar.  Biomass  and  
Bioenergy,  31(9),  646-­‐655.  

Rodriguez-­‐Navarro,   P.   (2012).   Automated   Digital   Photogrammetry   versus   the   systems   based   on  

active   3D   sensors.   La   Fotogrametría   Digital   Automatizada   frente   a   los   sistemas   basados   en  
sensores  3D  activos.  EGA,  17(20),  100-­‐111.  

103