Assessing the local and landscape drivers of post-fire understory early Pinus radiata invasions in the Coastal Maulino forest using remote sensing data and deep learning techniques
2 Assess understory P. radiata early invasion success in the Coastal Maulino forest after five years of the Las Maquinas fire. PARCIAL Para cumplir con este objetivo, se utilizaron los vuelos de drone descrito anteriormente en el Objetivo 1. De estos, se seleccionaron pareas de estudio con un gradie...
Main Authors: | , |
---|---|
Other Authors: | |
Format: | Report |
Language: | unknown |
Published: |
2023
|
Subjects: | |
Online Access: | https://hdl.handle.net/10533/48407 |
id |
ftanid:oai:repositorio.anid.cl:10533/48407 |
---|---|
record_format |
openpolar |
spelling |
ftanid:oai:repositorio.anid.cl:10533/48407 2024-05-12T07:56:53+00:00 Assessing the local and landscape drivers of post-fire understory early Pinus radiata invasions in the Coastal Maulino forest using remote sensing data and deep learning techniques Lopatin - Fourcade Javier Universidad De Chile Región del Libertador General Bernardo O'Higgins Región del Maule Región del Bío-Bío Región de La Araucanía Región de Los Lagos Región Aysén del General Carlos Ibáñez del Campo Región de Magallanes y la Antártica Chilena Región de Los Ríos Región de Ñuble 2023-08-24T13:04:50Z application/pdf https://hdl.handle.net/10533/48407 unknown 3210180 Masculino https://hdl.handle.net/10533/48407 Atribución-NoComercial-SinDerivadas 3.0 Chile http://creativecommons.org/licenses/by-nc-sa/3.0/cl/ Pinus radiata invasions on post-fire native forests Remote sensing and deep learning mapping Local and landscape drivers of early-stage invasions Otras Ciencias Agricolas Informe Final info:eu-repo/semantics/report 2023 ftanid 2024-04-18T17:01:17Z 2 Assess understory P. radiata early invasion success in the Coastal Maulino forest after five years of the Las Maquinas fire. PARCIAL Para cumplir con este objetivo, se utilizaron los vuelos de drone descrito anteriormente en el Objetivo 1. De estos, se seleccionaron pareas de estudio con un gradiente de invasiones en e sotobosque de la vegetación nativa. Mediante estos datos de drones, una de las estudiantes de magister descrita en Objetivo 1 [1] esta utilizando modelos de redes convolucionales para detectar invasiones adultas y en el sotobosque. Sus resultados preliminares son prometedores. Sin embargo, faltan todavía datos de terreno para una validación independiente del modelo. [1] María Alejandra Bravo Días. Detección de Pinus Radiata a partir de imágenes capturadas por drones utilizando redes neuronales convolucionales. Master of Science in Data Science, Faculty of Engineering and Science, Universidad Adolfo Ibá?ez. 3 Native forest patch's size and overstory invasion attributes are the main drivers of understory early P. radiata invasion success at the landscape-level, while overstory characteristics drive local-level invasion success. PARCIAL Para cumplir con este objetivo, se utilizaron los vuelos de drone descrito anteriormente en el Objetivo 1 y datos de terreno adquiridos en la cuarta salida a terreno. En este trabajo de terreno, se midieron atributos estructurales y abundancias del bosque afectado utilizando un inceptómetro (AccuPAR), forcípulas y otros instrumentos. Usando estos datos, dos estudiantes están actualmente trabajando en relacionar atributos del paisaje con la invasión y atributos estructurales [1,2]. Todavía no hay resultados preliminares. [1] Claudia Verónica Leal Medina. Estado de conservación y dinámica forestal de las últimas poblaciones remanentes de Nothofagus alessandrii posterior al mega incendio de "Las máquinas" 2016. Magister, UACh. [2] Constanza Vargas Castro. Evaluación de alteraciones de estructura y funcionamiento de ecosistemas de rodales de bosque Maulino Costero ante ... Report Antártica Repositorio ANID (Agencia Nacional de Investigación y Desarrollo) Medina ENVELOPE(-66.233,-66.233,-68.453,-68.453) Magallanes ENVELOPE(-62.933,-62.933,-64.883,-64.883) Bío Bío ENVELOPE(-66.450,-66.450,-66.467,-66.467) General Bernardo O'Higgins ENVELOPE(-57.900,-57.900,-63.317,-63.317) |
institution |
Open Polar |
collection |
Repositorio ANID (Agencia Nacional de Investigación y Desarrollo) |
op_collection_id |
ftanid |
language |
unknown |
topic |
Pinus radiata invasions on post-fire native forests Remote sensing and deep learning mapping Local and landscape drivers of early-stage invasions Otras Ciencias Agricolas |
spellingShingle |
Pinus radiata invasions on post-fire native forests Remote sensing and deep learning mapping Local and landscape drivers of early-stage invasions Otras Ciencias Agricolas Lopatin - Fourcade Javier Assessing the local and landscape drivers of post-fire understory early Pinus radiata invasions in the Coastal Maulino forest using remote sensing data and deep learning techniques |
topic_facet |
Pinus radiata invasions on post-fire native forests Remote sensing and deep learning mapping Local and landscape drivers of early-stage invasions Otras Ciencias Agricolas |
description |
2 Assess understory P. radiata early invasion success in the Coastal Maulino forest after five years of the Las Maquinas fire. PARCIAL Para cumplir con este objetivo, se utilizaron los vuelos de drone descrito anteriormente en el Objetivo 1. De estos, se seleccionaron pareas de estudio con un gradiente de invasiones en e sotobosque de la vegetación nativa. Mediante estos datos de drones, una de las estudiantes de magister descrita en Objetivo 1 [1] esta utilizando modelos de redes convolucionales para detectar invasiones adultas y en el sotobosque. Sus resultados preliminares son prometedores. Sin embargo, faltan todavía datos de terreno para una validación independiente del modelo. [1] María Alejandra Bravo Días. Detección de Pinus Radiata a partir de imágenes capturadas por drones utilizando redes neuronales convolucionales. Master of Science in Data Science, Faculty of Engineering and Science, Universidad Adolfo Ibá?ez. 3 Native forest patch's size and overstory invasion attributes are the main drivers of understory early P. radiata invasion success at the landscape-level, while overstory characteristics drive local-level invasion success. PARCIAL Para cumplir con este objetivo, se utilizaron los vuelos de drone descrito anteriormente en el Objetivo 1 y datos de terreno adquiridos en la cuarta salida a terreno. En este trabajo de terreno, se midieron atributos estructurales y abundancias del bosque afectado utilizando un inceptómetro (AccuPAR), forcípulas y otros instrumentos. Usando estos datos, dos estudiantes están actualmente trabajando en relacionar atributos del paisaje con la invasión y atributos estructurales [1,2]. Todavía no hay resultados preliminares. [1] Claudia Verónica Leal Medina. Estado de conservación y dinámica forestal de las últimas poblaciones remanentes de Nothofagus alessandrii posterior al mega incendio de "Las máquinas" 2016. Magister, UACh. [2] Constanza Vargas Castro. Evaluación de alteraciones de estructura y funcionamiento de ecosistemas de rodales de bosque Maulino Costero ante ... |
author2 |
Universidad De Chile |
format |
Report |
author |
Lopatin - Fourcade Javier |
author_facet |
Lopatin - Fourcade Javier |
author_sort |
Lopatin - Fourcade |
title |
Assessing the local and landscape drivers of post-fire understory early Pinus radiata invasions in the Coastal Maulino forest using remote sensing data and deep learning techniques |
title_short |
Assessing the local and landscape drivers of post-fire understory early Pinus radiata invasions in the Coastal Maulino forest using remote sensing data and deep learning techniques |
title_full |
Assessing the local and landscape drivers of post-fire understory early Pinus radiata invasions in the Coastal Maulino forest using remote sensing data and deep learning techniques |
title_fullStr |
Assessing the local and landscape drivers of post-fire understory early Pinus radiata invasions in the Coastal Maulino forest using remote sensing data and deep learning techniques |
title_full_unstemmed |
Assessing the local and landscape drivers of post-fire understory early Pinus radiata invasions in the Coastal Maulino forest using remote sensing data and deep learning techniques |
title_sort |
assessing the local and landscape drivers of post-fire understory early pinus radiata invasions in the coastal maulino forest using remote sensing data and deep learning techniques |
publishDate |
2023 |
url |
https://hdl.handle.net/10533/48407 |
op_coverage |
Región del Libertador General Bernardo O'Higgins Región del Maule Región del Bío-Bío Región de La Araucanía Región de Los Lagos Región Aysén del General Carlos Ibáñez del Campo Región de Magallanes y la Antártica Chilena Región de Los Ríos Región de Ñuble |
long_lat |
ENVELOPE(-66.233,-66.233,-68.453,-68.453) ENVELOPE(-62.933,-62.933,-64.883,-64.883) ENVELOPE(-66.450,-66.450,-66.467,-66.467) ENVELOPE(-57.900,-57.900,-63.317,-63.317) |
geographic |
Medina Magallanes Bío Bío General Bernardo O'Higgins |
geographic_facet |
Medina Magallanes Bío Bío General Bernardo O'Higgins |
genre |
Antártica |
genre_facet |
Antártica |
op_relation |
3210180 Masculino https://hdl.handle.net/10533/48407 |
op_rights |
Atribución-NoComercial-SinDerivadas 3.0 Chile http://creativecommons.org/licenses/by-nc-sa/3.0/cl/ |
_version_ |
1798837265685807104 |