• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Listar

    Todo UVaDOCComunidadesPor fecha de publicaciónAutoresMateriasTítulos

    Mi cuenta

    Acceder

    Estadísticas

    Ver Estadísticas de uso

    Compartir

    Ver ítem 
    •   UVaDOC Principal
    • PRODUCCIÓN CIENTÍFICA
    • Escuela de Doctorado (ESDUVa)
    • Tesis doctorales UVa
    • Ver ítem
    •   UVaDOC Principal
    • PRODUCCIÓN CIENTÍFICA
    • Escuela de Doctorado (ESDUVa)
    • Tesis doctorales UVa
    • Ver ítem
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:http://uvadoc.uva.es/handle/10324/39346

    Título
    Aplicación de imágenes de satélites y datos LiDAR en la modelización de recursos forestales
    Otros títulos
    Forest resource modelling combining satellite imagery and LiDAR data
    Autor
    Blázquez Casado, Ángela
    Director o Tutor
    Olano Mendoza, José MiguelAutoridad UVA
    Rodríguez Puerta, FranciscoAutoridad UVA
    González Olabarria, José Ramon
    Editor
    Universidad de Valladolid. Instituto Universitario de Investigación en Gestión Forestal SostenibleAutoridad UVA
    Año del Documento
    2019
    Titulación
    Doctorado en Conservación y Uso Sostenible de Sistemas Forestales
    Resumen
    El sector forestal tiene un papel relevante en la transición hacia una economía innovadora y eficiente en el consumo de sus recursos. Conocer la disponibilidad espacial de los recursos forestales y su evolución temporal es crítico en la gestión forestal, tanto de los recursos maderables como de los no maderables. El uso de información procedente de sensores remotos se está convirtiendo en una opción cada vez más rigurosa y asequible para el desarrollo de esta tarea. Así, el conocimiento que estas herramientas proporcionan sobre el estado de desarrollo de las masas forestales y la disponibilidad de sus recursos permite hacer frente a los diferentes escenarios futuros que plantea el actual contexto de cambio global. Esta tesis caracteriza y evalúa diferentes recursos forestales mediante la combinación de información continua procedente de imágenes de satélite y datos LiDAR, con diferentes niveles de resolución espacial y espectral. Estos datos, apoyados en trabajo de campo, han sido calibrados y validados, demostrando un gran potencial. Discriminar diferentes especies y tipos de masa, tanto a nivel de árbol individual como de objeto, son objetivos alcanzables mediante el uso adecuado de estas herramientas, disminuyendo la dependencia histórica del trabajo de campo e integrando el cambio de escala en los inventarios tradicionales. Esta tesis desarrolla herramientas robustas capaces de evaluar recursos forestales a gran escala mediante modelos mixtos lineales y técnicas de modelización basadas en aprendizaje automático.
     
    Forestry sector plays an important role in the transition towards a new economy, driven by efficient resource consumption. Understanding the spatial distribution of forest resources and its temporal evolution is critical in forest management, both for timber and non-timber resources. Remote sensing information is becoming an increasingly precise and affordable option for the accomplishment of this task. The knowledge provided by these tools regarding stand development and availability of resources enables predicting future global change scenarios. This Doctoral Thesis assesses different forest resources combining continuous information derived from satellite images and LiDAR data at different spatial and spectral resolution levels. This information, supported by field work, has been calibrated and validated, showing a great potential. Species and stand types discrimination, both at individual tree and object levels, can be accomplished with these tools, decreasing the historical dependence of field work and integrating the scale change in traditional inventories. This PhD work aims to develop robust tools able to evaluate large-scale forest resources, by means of linear mixed models and machine learning.
    Materias (normalizadas)
    Productos forestales
    Materias Unesco
    2506.16 Teledetección (Geología)
    1203.04 Inteligencia Artificial
    Departamento
    Departamento de Producción Vegetal y Recursos Forestales
    DOI
    10.35376/10324/39346
    Idioma
    eng
    URI
    http://uvadoc.uva.es/handle/10324/39346
    Tipo de versión
    info:eu-repo/semantics/publishedVersion
    Derechos
    openAccess
    Aparece en las colecciones
    • Tesis doctorales UVa [2397]
    Mostrar el registro completo del ítem
    Ficheros en el ítem
    Nombre:
    Tesis1622-191121.pdf
    Tamaño:
    3.037Mb
    Formato:
    Adobe PDF
    Thumbnail
    Visualizar/Abrir
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalLa licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10