Processing and Classification Methods of UAV Photogrammetric Point Clouds for Forest Structure and Fire Behaviour Analysis

Abstract

[ES] Los bosques son uno de los ecosistemas más críticos de la Tierra, cubriendo aproximadamente el 31% de la superficie terrestre y desempeñando un papel vital como sumideros de carbono, reservas de biodiversidad y reguladores del clima. Almacenan alrededor del 45% del carbono terrestre y albergan la mayor parte de la biodiversidad del planeta, lo que hace que su conservación sea esencial para el equilibrio ecológico. Sin embargo, estos ecosistemas están cada vez más amenazados por los incendios forestales, que cumplen un doble papel en la dinámica de los bosques: actúan tanto como reguladores naturales como potenciales destructores. La modelización avanzada del fuego es una herramienta clave para mejorar la predicción y mitigación de incendios. Los modelos de incendios 3D, basados en modelos de dinámica de fluidos computacional (CFD, por sus siglas en inglés), requieren datos de entrada de alta resolución sobre la carga de combustible, la estructura de la vegetación y la composición de especies. En este sentido, uno de los mayores desafíos en la modelización de incendios es la obtención de datos precisos y de alta resolución sobre las características de la vegetación a escala local. Las tecnologías de teledetección, en particular la fotogrametría aérea digital con UAV (UAV-DAP, por sus siglas en inglés), ofrecen una solución rentable y de alta resolución para caracterizar la estructura forestal. Mediante UAV-DAP, es posible obtener nubes de puntos que permiten la segmentación individual de plantas, la clasificación de especies y la extracción de características geométricas y espectrales clave para la dinámica del fuego. Estos datos pueden utilizarse para estimar variables relacionadas con los incendios. Sin embargo, a pesar de su potencial, UAV-DAP sigue estando infrautilizado debido a sus limitaciones técnicas inherentes y a la falta de metodologías y software especializados que permitan aprovechar plenamente tanto su información geométrica tridimensional como su contenido espectral. Esta tesis tiene como objetivo mejorar las técnicas de procesamiento de UAV-DAP a través de cuatro objetivos clave: i) evaluar la efectividad de las características espectrales, geométricas y de vecindad combinadas con técnicas de aprendizaje automático para la clasificación de nubes de puntos e identificación de especies vegetales; ii) desarrollar y validar metodologías para la clasificación de especies de matorral mediterráneo; iii) investigar las relaciones entre las variables geométricas y espectrales derivadas de UAV-DAP y la dinámica de propagación del fuego; iv) y estimar la biomasa aérea (AGB, por sus siglas en inglés) de arbustos y árboles mediante segmentación y clasificación a nivel de planta individual. Al abordar estos objetivos, esta tesis pretende desarrollar metodologías UAV-DAP capaces de proporcionar datos clave sobre la vegetación para mejorar la evaluación de la estructura forestal y el análisis del comportamiento del fuego en entornos mediterráneos.

[CA] Els boscos són un dels ecosistemes més crítics de la Terra, cobrint aproximadament el 31% de la superfície terrestre i exercint un paper vital com a sumiders de carboni, reserves de biodiversitat i reguladors del clima. Emmagatzemen al voltant del 45% del carboni terrestre i alberguen la major part de la biodiversitat del planeta, la qual cosa fa que la seua conservació siga essencial per a l'equilibri ecològic. No obstant això, aquests ecosistemes estan cada vegada més amenaçats pels incendis forestals, que compleixen un doble paper en la dinàmica dels boscos: actuen tant com a reguladors naturals com a potencials destructors. La modelització avançada del foc és una eina clau per a millorar la predicció i mitigació dels incendis. Els models d'incendis en 3D, basats en models de dinàmica de fluids computacionals (CFD, per les seues sigles en anglés), requereixen dades d'entrada d'alta resolució sobre la càrrega de combustible, l'estructura de la vegetació i la composició d'espècies. En aquest sentit, un dels majors desafiaments en la modelització d'incendis és l'obtenció de dades precises i d'alta resolució sobre les característiques de la vegetació a escala local. Les tecnologies de teledetecció, en particular la fotogrametria aèria digital amb UAV (UAV-DAP, per les seues sigles en anglés), ofereixen una solució efectiva a nivell de costos i d'alta resolució per a caracteritzar l'estructura forestal. Mitjançant UAV-DAP, és possible obtindre núvols de punts que permeten la segmentació individual de plantes, la classificació d'espècies i l'extracció de característiques geomètriques i espectrals clau per a la dinàmica del foc. Aquestes dades poden utilitzar-se per a estimar variables relacionades amb els incendis. No obstant això, malgrat el seu potencial, UAV-DAP continua estant infrautilitzat a causa de les seues limitacions tècniques inherents i de la falta de metodologies i programari especialitzats que permeten aprofitar plenament tant la seua informació geomètrica tridimensional com el seu contingut espectral. Aquesta tesi té com a objectiu millorar les tècniques de processament d'UAV-DAP a través de quatre objectius clau: i) avaluar l'efectivitat de les característiques espectrals, geomètriques i de veïnat combinades amb tècniques d'aprenentatge automàtic per a la classificació de núvols de punts i la identificació d'espècies vegetals; ii) desenvolupar i validar metodologies per a la classificació d'espècies de matollar mediterrani; iii) investigar les relacions entre les variables geomètriques i espectrals derivades d'UAV-DAP i la dinàmica de propagació del foc; iv) i estimar la biomassa aèria (AGB, per les seues sigles en anglés) d'arbustos i arbres mitjançant segmentació i classificació a nivell de planta individual. En abordar aquests objectius, aquesta tesi pretén desenvolupar metodologies UAV-DAP que permeten proporcionar dades clau sobre la vegetació per a millorar l'avaluació de l'estructura forestal i l'anàlisi del comportament del foc en entorns mediterranis.

[EN] Forests are among the most critical ecosystems on Earth, covering approximately 31% of the global land area and serving as vital carbon sinks, biodiversity hotspots, and climate regulators. They store about 45% of terrestrial carbon and support the majority of Earth's biodiversity, making their conservation essential for ecological balance. However, these ecosystems are increasingly threatened by wildfires, which play a dual role in forest dynamics¿acting as both natural regulators and potential destructors. Advancing wildfire modelling is a key tool for improving fire prediction and mitigation efforts. 3D wildfire models, based in computational fluid dynamics (CFD) models, require high-resolution input data on fuel loads, vegetation structure, and species composition. In this regard, one of the greatest challenges in fire modelling is obtaining accurate, high-resolution data on vegetation characteristics at the local scale. Remote sensing technologies, particularly UAV-based Digital Aerial Photogrammetry (UAV-DAP), offer a cost-effective and high-resolution solution for characterize forest structure. Using UAV-DAP is possible to obtain point clouds that enable individual plant segmentation, species classification, and the extraction of key geometric and spectral features relevant to wildfire dynamics. These data can be utilized to estimate fire-related variables. However, despite its potential, UAV-DAP remains underutilized due to inherent technical limitations and the absence of specialized methodologies and software capable of fully leveraging both its three-dimensional geometric and spectral information. This thesis aims to refine UAV-DAP processing techniques through four key objectives: i), evaluating the effectiveness of spectral, geometric, and neighbourhood features combined with machine learning techniques for point cloud classification and vegetation species identification; ii), developing and validating methodologies for classifying Mediterranean shrub species; iii), investigating the relationships between geometric and spectral variables derived from UAV-DAP data and fire spread dynamics; iv), and estimating AGB for shrubs and trees through segmentation and classification at the individual plant level. By addressing these objectives, this thesis intends to develop UAV-DAP methodologies capable of providing key vegetation data to enhance forest structure assessment and fire behaviour analysis in Mediterranean environments.