Procesamiento LiDAR forestal: cómo generar el MDT bajo dosel y extraer métricas de cubierta vegetal

El LiDAR aerotransportado resolvió el problema más difícil de la topografía forestal: ver el suelo cuando los árboles no te lo permiten. Pero capturar la nube de puntos es solo la mitad del trabajo. El procesamiento posterior —clasificar el suelo, separar la vegetación por estratos, construir un MDT confiable y calcular métricas de altura y densidad de dosel— exige un flujo técnico específico que ningún software de topografía convencional cubre por completo.

En este post vas a aprender ese flujo de principio a fin: desde el control de calidad de la nube cruda hasta la entrega de productos forestales usables en inventario de recursos, cubicación de madera en pie y modelado de riesgo de incendio. Si ya tienes experiencia con LiDAR topográfico pero es tu primera incursión en aplicaciones forestales, aquí encuentras las diferencias clave que debes entender antes de abrir tu primer archivo.

Por qué el LiDAR forestal no es lo mismo que el LiDAR topográfico

Cuando procesas una nube de puntos para un levantamiento de corredor vial o una obra civil, tu objetivo principal es el suelo. La vegetación es ruido que clasificas para descartarla y construir tu MDT. En un proyecto forestal, esa «vegetación» es exactamente lo que te interesa: su altura, su densidad, su distribución vertical por estratos y su respuesta al pulso láser.

Esto cambia radicalmente los parámetros de captura y procesamiento:

• Densidad de puntos mínima: En topografía estándar, 4–8 puntos/m² suelen ser suficientes. En inventario forestal donde necesitas penetrar el dosel y obtener suficientes retornos de suelo, lo recomendable es trabajar con 15–25 puntos/m² o más en coberturas densas.
• Múltiples retornos: Un sensor LiDAR forestal debe registrar primero, último y retornos intermedios. El primer retorno captura la copa, los intermedios los estratos medios y el último el suelo o el sotobosque. Sin múltiples retornos, perdes resolución vertical en el dosel.
• Ángulo de escaneo: Ángulos más cerrados (≤15°) mejoran la penetración en doseles densos. Ángulos amplios aumentan la cobertura pero reducen la probabilidad de que el pulso llegue al suelo.
• MDT vs MDS: Aquí la distinción es crítica. El MDT (Modelo Digital del Terreno) representa solo el suelo desnudo; el MDS (Modelo Digital de Superficie) incluye la copa de los árboles. La diferencia entre ambos es el MNC (Modelo Normalizado de Cubierta), también conocido como CHM en inglés (Canopy Height Model), y es el insumo principal para estimar altura de árboles.

Nunca confundas MDT con MDS en entregables forestales. Un cliente que pide «el modelo de la masa forestal» probablemente necesita el MDS, pero para calcular la altura real de los árboles necesitas restar el MDT. Entregar solo uno sin el otro limita severamente el análisis posterior.

Equipo de captura: qué necesitas antes de procesar

El procesamiento comienza en la planeación del vuelo. Los errores de captura no se corrigen en gabinete.

Para proyectos forestales en México —sierras de Nuevo León, Chihuahua, Oaxaca, Michoacán— las plataformas UAV con LiDAR más utilizadas en el segmento profesional integran sensores como el Zenmuse L2 sobre plataforma Matrice, que combina LiDAR multihaz con retornos múltiples e IMU de alta precisión. Este tipo de sistema permite capturar nubes densas incluso en vuelos con dosel cerrado, siempre que la densidad de puntos y la altura de vuelo estén correctamente calculadas.

Para proyectos en áreas de cobertura extensa (>500 ha), puede ser más eficiente considerar plataformas de ala fija o helicóptero con sensores LiDAR de mayor alcance. En proyectos menores, los multirrotores son suficientes si el terreno lo permite.

Parámetros de vuelo recomendados para LiDAR forestal con UAV:

Parámetro	Valor típico
Altura AGL	60–100 m
Velocidad	7–10 m/s
Traslape lateral de franjas	≥30%
Densidad objetivo	≥15 puntos/m²
Retornos registrados	Primero, intermedios, último

Recuerda que en México toda operación con UAV debe cumplir la NOM-107-SCT3-2019 y la Circular CO AV-23/10 R2 de la AFAC. El límite de altura es 122 m AGL (sobre el nivel del terreno, no sobre el nivel del mar).

Flujo de procesamiento: de la nube cruda a los productos forestales

1. Control de calidad de la nube cruda

Antes de clasificar, verifica la consistencia de la nube. Los pasos mínimos son:

a) Revisión de solapamiento entre franjas
Abre las franjas por separado (cada pasada del dron genera una franja) y verifica que no haya desplazamientos verticales entre ellas. Un desplazamiento >5 cm en zona de solapamiento indica problemas de fusión IMU/GNSS. Herramientas como CloudCompare o LAStools permiten calcular diferencias de elevación entre franjas sobre zonas de suelo desnudo.

b) Verificación de densidad de puntos
Genera un raster de densidad (puntos/m²) para toda el área. Identifica zonas con densidad baja (<8 pts/m²) que pueden comprometer la clasificación del suelo bajo dosel denso. Estas zonas deben documentarse como áreas de menor confiabilidad en el informe de exactitud.

c) Comprobación de alturas
Compara el rango de elevaciones con el MDT de referencia disponible (INEGI ContinuoMex o equivalente). Anomalías extremas indican problemas de georreferenciación.

2. Clasificación de la nube de puntos

La clasificación LiDAR sigue el estándar ASPRS LAS 1.4, donde las clases más relevantes para uso forestal son:

Clase ASPRS	Descripción
1	Sin clasificar
2	Suelo
3	Vegetación baja (0–0.5 m)
4	Vegetación media (0.5–2 m)
5	Vegetación alta (>2 m)
17	Puente / estructura

Algoritmo de clasificación del suelo:
El algoritmo más robusto para terreno forestal accidentado es el Progressive Morphological Filter (PMF) o su variante mejorada Cloth Simulation Filter (CSF), disponible en LAStools y como plugin en CloudCompare. El CSF simula una tela que cae sobre la nube invertida; sus parámetros principales son:

• Rigidez del paño (cloth resolution): Define el tamaño de celda de la malla. En terreno con pendiente fuerte y vegetación densa, valores de 0.5–1.0 m funcionan mejor.
• Umbral de clasificación: Distancia máxima entre un punto y la malla para clasificarlo como suelo. Valores de 0.1–0.3 m son típicos.
• Pendiente máxima esperada: Activa o desactiva el manejo de pendientes pronunciadas.

Error frecuente: Usar los mismos parámetros de clasificación que usarías en un proyecto topográfico urbano. El terreno forestal tiene mucho más ruido de vegetación baja y mayor irregularidad del suelo. Si clasificas con parámetros demasiado agresivos, incluirás raíces y arbustos como «suelo». Si eres demasiado conservador, perderás resolución en el MDT.

Después de la clasificación automática, siempre revisa visualmente secciones representativas de la nube en CloudCompare o en el visualizador de LAStools. Compara zonas de pendiente fuerte, barrancos y claros del bosque, donde los algoritmos suelen cometer más errores.

3. Construcción del MDT

Con los puntos de clase 2 (suelo) clasificados, genera el MDT mediante interpolación. Las opciones más comunes son:

• TIN (Red de Triángulos Irregulares): Preserva las quebradas y cambios abruptos de pendiente. Recomendado cuando el terreno tiene morfología compleja.
• Kriging o IDW: Útiles cuando los puntos de suelo son escasos (baja penetración del dosel) y necesitas interpolar con mayor suavidad.
• Resolución de celda: Para MDT forestal, 0.5–1.0 m es estándar. A resoluciones mayores (>2 m) se pierde detalle en zonas de barranca.

Exporta el MDT en formato GeoTIFF con sistema de referencia ITRF2008 época 2010.0 (sistema geodésico oficial de México según el INEGI), proyección UTM zona 14N para proyectos en Nuevo León. Documenta si las alturas son elipsoidales (h) u ortométricas (H); para proyectos donde la altura sobre el nivel del mar es relevante —como cálculos de cuenca hidrográfica o volumen de biomasa— debes usar alturas ortométricas con el geoide EGM2008.

4. Construcción del MDS y del Modelo Normalizado de Cubierta (MNC)

El MDS se genera con los puntos de primer retorno (primero en tocar vegetación o suelo). La resolución típica es 0.25–0.5 m para capturar la forma individual de las copas.

El MNC (CHM) se obtiene restando el MDT al MDS, píxel a píxel:

MNC = MDS − MDT

El resultado es un raster donde cada valor representa la altura de la vegetación sobre el suelo, no sobre el nivel del mar. Esto es lo que permite estimar altura de árboles sin que el relieve del terreno distorsione los valores.

Validación del MNC: Compara los valores máximos del MNC con mediciones de campo de alturas de árbol en parcelas de verificación. Una desviación de ±1.0–1.5 m es aceptable en doseles densos para la mayoría de aplicaciones de inventario.

Extracción de métricas de cubierta vegetal

Esta es la parte del flujo que más diferencia el LiDAR forestal del procesamiento topográfico convencional. Las métricas de dosel son estadísticas derivadas de la distribución vertical de puntos dentro de celdas de análisis (normalmente 20×20 m o 25×25 m para coincidir con parcelas de inventario).

Métricas de altura

Las más utilizadas en inventario forestal son:

• Hmean: Altura media de todos los retornos de vegetación normalizados.
• H95 o Hp95: Percentil 95 de altura. Estima el dosel dominante sin ser afectado por valores extremos.
• Hmax: Altura máxima. Útil para detectar árboles emergentes, pero sensible a ruido.
• Hsd: Desviación estándar de alturas. Indica heterogeneidad estructural del dosel.

Métricas de densidad

• Cobertura de dosel (CC): Proporción de retornos de vegetación sobre el total. Se calcula como:

CC = (retornos vegetación / retornos totales) × 100

• LAD (Leaf Area Density): Densidad de área foliar por estrato vertical. Requiere corrección por ángulo de escaneo y es más compleja de calcular.
• Densidad relativa por estrato: Porcentaje de retornos en cada estrato vertical (0–2 m, 2–8 m, 8–16 m, >16 m).

Software para cálculo de métricas

• LAStools (lascanopy): Herramienta de línea de comandos especializada en métricas de dosel. Es la opción más rápida para procesamiento masivo.
• FUSION/LDV: Software gratuito del USDA Forest Service específico para LiDAR forestal. Calcula un catálogo amplio de métricas por parcela o en modo raster.
• lidR (R): Paquete de R para análisis LiDAR forestal. Flexible y bien documentado. Permite segmentación individual de árboles con algoritmos como li2012 o watershed.
• CloudCompare: Útil para visualización y verificación, pero no está especializado en métricas forestales.

Para proyectos de inventario donde necesitas modelos predictivos de volumen o biomasa, las métricas se usan como variables predictoras en regresiones o modelos de machine learning, calibrados con parcelas de campo medidas convencionalmente.

Segmentación individual de árboles: cuándo aplica y cuándo no

La segmentación individual (Individual Tree Segmentation, ITS) permite identificar, contar y caracterizar cada árbol por separado. Es útil para:

• Inventarios de alta precisión en plantaciones forestales (eucalipto, pino en filas)
• Arbolado urbano
• Detección de árboles muertos o enfermos

No es confiable en:
– Bosques naturales densos con copas entrelazadas
– Doseles con múltiples estratos superpuestos
– Zonas con densidad de puntos <10 pts/m²

El algoritmo más robusto para dron LiDAR en México es el watershed sobre el MNC (disponible en lidR y en QGIS con el plugin LiDAR/PointCloud). Los errores típicos son la sobresegmentación (una copa grande se divide en varios árboles) y la subsegmentación (copas contiguas se detectan como un solo árbol).

Entregables típicos de un proyecto LiDAR forestal

Según el tipo de proyecto, los entregables esperados varían:

Proyecto	Entregables principales
Inventario forestal	MDT, MDS, MNC, métricas por parcela, tabla de variables por celda
Cubicación de biomasa	MDT, MNC, métricas H y CC, modelo de regresión calibrado
Riesgo de incendio	MDT, MDS, métricas de continuidad vertical del combustible
Gestión de cuencas	MDT (alta resolución), red de drenaje, curvas de nivel
Planeación de aprovechamiento	ITS (en plantaciones), volumen estimado por rodal

Todos los rasters deben entregarse en ITRF2008 época 2010.0, con alturas ortométricas cuando el proyecto requiera compatibilidad con cartografía oficial del INEGI.

FAQ

¿Puedo usar fotogrametría con dron en lugar de LiDAR para inventario forestal?
Depende del objetivo. La fotogrametría con dron genera nubes de puntos densas del MDS (la copa de los árboles), pero los puntos de suelo son muy escasos o inexistentes bajo dosel cerrado. Para estimar la altura real de los árboles necesitas el MDT, y sin penetración del dosel no puedes construirlo con precisión. El LiDAR es la herramienta correcta cuando necesitas el terreno bajo cubierta vegetal. Puedes leer más sobre esta comparativa en nuestro post LiDAR UAV vs fotogrametría con dron.

¿Qué densidad de puntos mínima necesito para generar un MDT confiable bajo dosel?
Para bosques de pino-encino como los de la Sierra Madre Oriental, se recomienda una densidad bruta de ≥20 puntos/m² sobre la copa. Esto garantiza que, tras la atenuación del dosel, lleguen suficientes retornos al suelo para interpolar el MDT con resolución de 1 m sin huecos significativos. En doseles muy densos (>80% de cobertura), puede requerirse mayor densidad o vuelos cruzados.

¿El sistema de referencia afecta las métricas forestales?
Las métricas de altura del dosel (Hmean, H95, etc.) son relativas al suelo normalizado, por lo que no dependen directamente del sistema de referencia. Sin embargo, el MDT base y todos los rasters georreferenciados deben estar en ITRF2008 época 2010.0 con el elipsoide GRS80 para ser compatibles con la cartografía oficial mexicana del INEGI. Si entregas en otro sistema sin documentarlo, el cliente tendrá problemas al integrar los datos con otras capas.

¿Qué es el MNC y cómo se diferencia del MDS?
El MDS (Modelo Digital de Superficie) registra la cota absoluta de la copa de los árboles. El MNC (Modelo Normalizado de Cubierta, o CHM en inglés) es el resultado de restar el MDT al MDS, de modo que cada píxel muestra la altura de la vegetación sobre el suelo. Es el insumo correcto para estimar alturas de árbol, porque elimina el efecto del relieve del terreno.

¿LAStools requiere licencia para procesamiento forestal?
LAStools tiene una versión de uso libre con algunas herramientas completas (lasview, lasinfo, laszip) y otras con limitaciones en la extensión de área procesable. Para proyectos comerciales o con áreas grandes, se requiere licencia. La herramienta lascanopy (métricas de dosel) y lasground (clasificación del suelo) están entre las más relevantes para uso forestal y requieren licencia en proyectos sin restricción de tamaño. Como alternativa completamente gratuita, el paquete lidR en R cubre la mayoría de los flujos forestales.

¿Puedo usar CloudCompare para todo el flujo de procesamiento forestal?
CloudCompare es excelente para visualización, verificación visual de la clasificación, comparación de nubes y cálculos geométricos básicos. Sin embargo, no incluye de forma nativa los algoritmos especializados de métricas de dosel (Hmean, percentiles de altura, cobertura de dosel). Para eso necesitas FUSION/LDV, lidR o LAStools. CloudCompare es una herramienta complementaria en el flujo, no la herramienta principal. Consulta nuestro post sobre procesamiento de nubes de puntos en CloudCompare para ver qué sí puedes hacer con él.

¿Cuál es la diferencia entre LAZ y LAS en archivos LiDAR?
LAS es el formato estándar de almacenamiento de nubes de puntos LiDAR definido por ASPRS. LAZ es LAS comprimido, no un formato independiente. LAZ reduce el tamaño del archivo entre 75–85% sin pérdida de información. Todos los software profesionales (LAStools, CloudCompare, QGIS, ArcGIS, FUSION) leen LAZ directamente. Para proyectos forestales con nubes densas de cientos de millones de puntos, trabajar en LAZ es prácticamente obligatorio por el tamaño de los archivos.

Conclusión

El procesamiento LiDAR forestal tiene una curva de aprendizaje real: los algoritmos de clasificación del suelo se comportan diferente bajo dosel que en terreno abierto, las métricas de cubierta son conceptos nuevos para quienes venimos de la topografía convencional, y la elección de software depende del tipo de producto que necesita el cliente.

El flujo que viste aquí —control de calidad, clasificación con CSF o PMF, construcción de MDT/MDS/MNC y extracción de métricas— cubre la mayoría de los proyectos forestales que se ejecutan con UAV en México. Lo que varía entre proyectos es la densidad requerida, la resolución de entrega y si el cliente necesita métricas por parcela o segmentación individual.

Si estás evaluando sumar capacidad LiDAR a tu operación para proyectos forestales, de cuencas o de gestión de recursos naturales, en Punto Visado podemos orientarte sobre las plataformas disponibles y los flujos de trabajo según tu tipo de cliente.

👉 Explora nuestro catálogo de drones DJI Enterprise o solicita una cotización personalizada con tu caso de uso específico.

FACT-CHECK APLICADO:

- "Sistema geodésico oficial México: ITRF2008 época 2010.0, elipsoide GRS80":
  Fuente: INEGI, Marco Geodésico Nacional — https://www.inegi.org.mx/temas/geodesia/

- "Límite altura UAV: 122 m AGL (sobre el nivel del terreno)":
  Fuente: NOM-107-SCT3-2019 y Circular CO AV-23/10 R2, AFAC —
  https://www.gob.mx/afac

- "Clases ASPRS estándar LAS 1.4 (suelo = clase 2, vegetación baja/media/alta = 3/4/5)":
  Fuente: ASPRS LAS Specification 1.4-R15 —
  https://www.asprs.org/wp-content/uploads/2019/07/LAS_1_4_r15.pdf

- "LAZ es LAS comprimido, no un formato independiente":
  Fuente: rapidlasso GmbH — https://laszip.org/

- "MDT ≠ MDS: MDT solo terreno, MDS incluye vegetación y edificios":
  Verificado conforme a las reglas del sistema y al glosario INEGI.

- "FUSION/LDV: software gratuito del USDA Forest Service para LiDAR forestal":
  Fuente: USDA Forest Service — https://forsys.sefs.uw.edu/fusion/fusionlatest.html

- "Geoide EGM2008 para alturas ortométricas":
  Verificado conforme a reglas del sistema y uso estándar en proyectos GNSS en México.

- "Matrice 4T = térmico; Zenmuse L2 sobre Matrice = plataforma LiDAR DJI Enterprise":
  Fuente: DJI Enterprise — https://enterprise.dji.com/

- NUNCA se usó "geomatistas" (se usó "geomáticos" donde aplica).
- NUNCA se mencionó WGS84 como sistema oficial de México.
- NUNCA se confundió altura elipsoidal (h) con ortométrica (H).
- RTK y NTRIP no se mencionaron fuera de contexto correcto.
- Agisoft Metashape mencionado correctamente (no PhotoScan).