A Monte Carlo appraisal of tree abundance and stand basal area estimation in forest inventories based on terrestrial laser scanning

Abstract

Non-detection of trees is an important issue when using single-scan TLS in forest inventories. A hybrid inference approach is adopted. Quoting from distance sampling, a detection function is assumed, so that the inclusion probability of each tree included within each plot can be determined. A simulation study is performed to compare the TLS-based estimators corrected and uncorrected for non-detection with the Horvitz–Thompson estimator based on conventional plot sampling, in which all the trees within plots are recorded. Results show that single-scan TLS provides more efficient estimators with respect to those provided by the conventional plot sampling in the case of low-density forests when no distance sampling correction is performed. In low-density forests, uncorrected estimators lead to a small bias (1%–6%), increasing with plot size. Therefore, care must be taken in enlarging the plot radius too much. The bias increases in forests with clustered spatial structures and in dense forests, where the bias levels (30%–50%) deteriorate the performance of uncorrected estimators. Even if the bias-corrected estimators prove to be effective in reducing the bias (below 15%), these reductions are not sufficient to outperform conventional plot sampling. Therefore, there is no convenience in using TLS-based estimation in high-density forests.

Estimación del área basimétrica en masas maduras de Pinus sylvestris en base a una única medición del escáner láser terrestre (TLS)

“…En concreto, ha sido la métrica GTLS en parcelas de 7 m de radio la que mejores correlaciones y ajuste lineal ha mostrado para la estimación del valor de G medido en campo, tanto a nivel de parcela como a nivel de sitio. Estos resultados concuerdan con los obtenidos por Corona et al (2019), donde fueron las parcelas de 10 m de radio (las más pequeñas de su estudio) en diferentes tipos de bosques simulados las que lograron la exactitud más alta en la estimación del G, tanto con corrección de árboles ocluidos como sin aplicar correcciones. Estos autores sugieren que, en bosques con baja densidad, no está suficientemente justificada la necesidad de aplicar correcciones para los árboles no detectados.…”

“…Entre estos atributos destaca el área basimétrica (G) como una de las variables dasométricas más importantes para la gestión forestal (Clutter et al, 1983, p. 71). En este sentido, hay estudios en los que G ha sido estimada en base a una única medición de TLS implementando técnicas de muestreo relascópico (Strahler et al, 2008;Lovell et al, 2011), mediante la agregación de las áreas basimétricas de los árboles identificados (Yao et al, 2011, Moskal y Zheng, 2012, e incluso para bosques hipotéticos generados con simulaciones de Monte Carlo (Corona et al, 2019). Sin embargo, no se encuentran trabajos recientes de esta índole con datos reales.…”