Proyecto MICROCLIMAS
Sensores y Tecnologías de Última Generación al Servicio de la Gestión Sostenible de los Bosques Mediterráneos y la Lucha Contra el Cambio Climático
Los bosques mediterráneos desempeñan un papel fundamental en la conservación de la biodiversidad, la regulación del ciclo hidrológico y la mitigación del cambio climático gracias a su capacidad para almacenar carbono y proporcionar numerosos servicios ecosistémicos. Sin embargo, el incremento de las temperaturas, la reducción de las precipitaciones y el aumento del riesgo de incendios hacen imprescindible disponer de herramientas que permitan conocer con precisión su estado y facilitar una gestión forestal sostenible.
En este proyecto se evaluó la capacidad de diferentes tecnologías LiDAR para la realización de inventarios forestales de precisión en una repoblación coetánea y monoespecífica de Pinus halepensis Mill., de 7,58 ha de superficie, situada en el municipio de Villanueva del Trabuco (Málaga). Para ello, se compararon tres métodos: un sistema LiDAR terrestre móvil (TLS-SLAM), un sistema LiDAR instalado en un vehículo aéreo no tripulado (UAV-LiDAR) y datos LiDAR aerotransportados (ALS) procedentes del PNOA.
Como referencia, se realizó por parte de la empresa colaboradora Malagueña Forestal S.L. un inventario de campo en nueve parcelas circulares, donde se midieron variables dendrométricas como la posición, el diámetro del tronco a la altura del pecho (DAP), la altura total y la longitud del fuste. Estos datos permitieron calibrar y validar los resultados obtenidos mediante las diferentes tecnologías LiDAR.
A partir de las nubes de puntos UAV y ALS se evaluaron distintos algoritmos de detección y segmentación individual del arbolado, comparando los métodos propuestos por Silva et al. (2016), Dalponte y Coomes (2016) y Li et al. (2012), aplicados sobre diferentes modelos de altura del dosel (CHM).
Además del inventario, se estimaron los principales servicios ecosistémicos proporcionados por cada árbol como son la fijación de carbono, obtenido a partir del software FJD Trion Model dentro de su módulo forestal, y de la masa forestal como son el mencionado secuestro y almacenamiento de carbono, la eliminación de contaminantes atmosféricos y los beneficios hidrológicos mediante la herramienta i-Tree Canopy. Asimismo, a partir de imágenes multiespectrales adquiridas durante el vuelo con dron, se calculó el índice NDVI para identificar árboles con menor vigor vegetativo, permitiendo localizar individuos potencialmente afectados por procesos de estrés hídrico, enfermedades u otros factores de decaimiento.
En conjunto, los resultados ponen de manifiesto el elevado potencial de las tecnologías LiDAR y la teledetección para generar inventarios forestales precisos, automatizar la caracterización del arbolado y proporcionar información objetiva para la gestión sostenible y el seguimiento del estado de conservación de las masas forestales.
Inventario mediante LiDAR terrestre móvil (TLS)
En primer lugar, se realizó un inventario forestal mediante un sistema LiDAR terrestre móvil (TLS) empleando el equipo FJD Trion S1, basado en tecnología SLAM (Simultaneous Localization and Mapping). Este sistema permite generar nubes de puntos tridimensionales de alta densidad mientras el operador recorre la masa forestal, registrando con gran detalle la estructura de los troncos y las copas del arbolado.
El levantamiento se llevó a cabo sobre una superficie de 1,42 ha, obteniendo una representación tridimensional precisa de la masa forestal. A diferencia de los sistemas LiDAR aerotransportados, cuya información procede principalmente de la parte superior del dosel, el escaneo terrestre captura la estructura del árbol desde el interior de la masa, lo que facilita la identificación de los troncos y la estimación de variables dendrométricas con elevada precisión.
Para calibrar y validar los resultados obtenidos mediante el procesamiento de la nube de puntos, se establecieron tal como se ha mencionado anteriormente nueve parcelas circulares de 9 m de radio distribuidas por la zona de estudio. En ellas se realizó un inventario de campo en el que se midieron la posición de los árboles mediante GPS, el DAP mediante cinta métrica forestal, y la altura total y la longitud del fuste con hipsómetro Vertex, a excepción de las mediciones de longitud de fuste que eran alcanzables de forma directa por los responsables y por tanto, se realizaron con cinta métrica forestal.
Una vez adquirida la nube de puntos, el procesamiento se realizó mediante el módulo forestal del software FJD Trion Model, ajustando los parámetros de segmentación para optimizar la detección individual del arbolado. El sistema permitió obtener automáticamente información dendrométrica de cada árbol, incluyendo altura, diámetro de copa, diámetro normal estimado, volumen, biomasa y carbono almacenado.
La validación frente al inventario de campo mostró una alta capacidad de detección, alcanzando un recall del 96,22 %, lo que indica que la práctica totalidad de los árboles presentes fueron identificados por el algoritmo. La precisión (individualización de cada árbol de forma correcta) obtenida fue del 66,15 %, con un F1-Score del 78,40 %, reflejando un buen equilibrio entre la capacidad de detección y la reducción de falsas identificaciones. Asimismo, las variables dendrométricas mostraron una elevada concordancia con las mediciones de campo para el DAP (R² = 0,86) y la altura (R² = 0,80). En cambio, la estimación de la longitud del fuste presentó una correlación considerablemente menor (R² = 0,014), debido principalmente al elevado grado de solapamiento entre copas y a la dificultad para identificar con precisión la inserción de las primeras ramas en una masa de elevada densidad.
Inventario mediante UAV-LiDAR y datos LiDAR del PNOA
Con el objetivo de evaluar la capacidad de diferentes fuentes de datos para la realización de inventarios forestales, se llevó a cabo un vuelo LiDAR sobre la totalidad de la masa forestal mediante un vehículo aéreo no tripulado equipado con el sistema AlphaAir 450 de CHCNAV. Además de la nube de puntos LiDAR, el vuelo permitió obtener una ortofotografía de alta resolución, un Modelo Digital del Terreno (MDT), un Modelo Digital de Superficies (MDS) e imágenes multiespectrales empleadas posteriormente para el análisis del vigor y estado fitosanitario de la masa.
De forma complementaria, se utilizaron los datos LiDAR aerotransportados del Plan Nacional de Ortofotografía Aérea (PNOA), con el fin de comparar su capacidad para detectar y caracterizar árboles individuales frente a los datos adquiridos con el UAV. Aunque ambas tecnologías permiten generar modelos tridimensionales de la vegetación, presentan diferencias importantes en la densidad de puntos y en la resolución espacial, factores que influyen directamente en la precisión de los inventarios forestales.
Las nubes de puntos obtenidas fueron normalizadas respecto al terreno para generar diferentes Modelos de Altura del Dosel (CHM) mediante las metodologías PitFree y Point-to-Raster (P2R). Sobre estos modelos se evaluó el comportamiento de distintos algoritmos de detección y segmentación individual del arbolado, concretamente los métodos desarrollados por Silva et al. (2016) y Dalponte y Coomes (2016), además de Li et al. (2012).
Se evaluaron diferentes configuraciones de procesamiento y segmentación siendo validados frente al inventario de referencia obtenido con el sistema TLS para el diámetro de copa y las mediciones de campo (resto de variables). La evaluación se realizó mediante indicadores de detección (precision, recall y F1-Score), así como mediante la comparación de variables dendrométricas como la altura y el diámetro de copa. Para integrar todos estos parámetros en una única medida de calidad, se empleó un Índice Compuesto de Exactitud (CAI), desarrollado específicamente para valorar el rendimiento global de cada combinación de datos y algoritmos.
Tras evaluar las diferentes configuraciones, la combinación del algoritmo Dalponte2016 con un CHM generado mediante P2R sobre la nube de puntos UAV-LiDAR fue la que proporcionó el mejor comportamiento global, constituyendo la base para la comparación con los datos LiDAR del PNOA.
Comparación entre UAV-LiDAR y LiDAR del PNOA
La comparación entre los datos obtenidos mediante UAV-LiDAR y los procedentes del PNOA puso de manifiesto diferencias significativas en la capacidad de ambas tecnologías para detectar y caracterizar árboles individuales.
En términos de detección, el PNOA identificó un número ligeramente superior de árboles y obtuvo un recall algo mayor, lo que indica una menor pérdida de individuos presentes en la masa. Sin embargo, esta mejora vino acompañada de un incremento considerable de falsos positivos, reduciendo la precisión del inventario.
Por el contrario, el UAV-LiDAR mostró una capacidad significativamente mayor para discriminar correctamente los árboles individuales, reduciendo los falsos positivos y alcanzando una precisión del 92,4 %, frente al 81,4 % obtenido con el PNOA. Como consecuencia, el valor del F1-Score, que combina precisión y recall, fue también superior en el UAV (0,887 frente a 0,840).
La estimación de la altura presentó un comportamiento muy similar en ambas tecnologías, con coeficientes de correlación elevados respecto a los datos de referencia y errores inferiores a 1,4 m. En cambio, las mayores diferencias se observaron en la estimación del diámetro de copa. Mientras que el UAV obtuvo una correlación positiva con los datos de campo y un error medio inferior a un metro, el PNOA mostró una capacidad notablemente menor para reproducir esta variable, reflejada tanto en una correlación prácticamente nula como en un error medio cercano a los dos metros.
Estas diferencias están relacionadas principalmente con la mayor densidad de puntos y resolución espacial del UAV-LiDAR, que permiten definir con mayor precisión los límites de las copas y separar árboles próximos entre sí. En masas densas como la analizada, donde existe un importante solapamiento entre copas, esta mayor resolución resulta determinante para mejorar la segmentación individual del arbolado.
La integración de todos los indicadores mediante el Índice Compuesto de Exactitud (CAI) confirmó este comportamiento, alcanzando un valor de 0,777 para el UAV frente a 0,706 para el PNOA. En conjunto, los resultados evidencian que la combinación del algoritmo Dalponte2016 con un CHM P2R aplicado sobre datos UAV-LiDAR constituye la alternativa más precisa para la detección y caracterización individual del arbolado en la masa de estudio.
| Métrica | UAV-LiDAR (Dalponte2016 + P2R) | PNOA LiDAR | Mejor resultado |
| Árboles detectados | 145 | 167 | PNOA |
| Árboles correctamente detectados (TP) | 134 | 136 | PNOA (ligeramente) |
| Falsos positivos (FP) | 11 | 31 | UAV |
| Árboles no detectados (FN) | 23 | 21 | PNOA (ligeramente) |
| Precisión | 0,924 | 0,814 | UAV |
| Recall | 0,854 | 0,866 | PNOA |
| F1-Score | 0,887 | 0,840 | UAV |
| Correlación de altura (r) | 0,823 | 0,814 | UAV |
| RMSE altura | 1,397 m | 1,172 m | PNOA |
| Correlación diámetro de copa (r) | 0,214 | -0,024 | UAV |
| RMSE diámetro de copa | 0,896 m | 1,944 m | UAV |
| Índice Compuesto de Exactitud (CAI) | 0,777 | 0,706 | UAV |
Estimación del diámetro normal a partir de variables LiDAR
Además de la detección y caracterización individual del arbolado, se desarrolló un modelo para estimar el diámetro normal (DAP) a partir de las variables obtenidas mediante LiDAR. Para ello, se relacionaron las mediciones de campo con la altura y el diámetro de copa estimados a partir de la nube de puntos, obteniendo una ecuación alométrica específica para la masa estudiada.
El modelo permitió estimar el DAP de forma fiable a partir de variables derivadas del LiDAR, ampliando la información disponible en aquellos inventarios donde no es posible medir directamente el diámetro del tronco. Esta aproximación facilita la obtención de parámetros fundamentales para la gestión forestal, como el área basimétrica, el volumen o la biomasa, sin necesidad de realizar mediciones exhaustivas sobre el terreno.
La incorporación de este tipo de modelos mejora notablemente el potencial de los inventarios LiDAR, ya que permite estimar variables dendrométricas de gran interés a partir de información adquirida de forma rápida y no invasiva, reduciendo el tiempo y los costes asociados a los trabajos de campo.
Evaluación de los servicios ecosistémicos
La información obtenida a partir del inventario forestal permitió evaluar los principales servicios ecosistémicos proporcionados por la masa de Pinus halepensis mediante la herramienta i-Tree Canopy. Entre ellos se analizaron el secuestro y almacenamiento de carbono, la eliminación de contaminantes atmosféricos y diversos beneficios hidrológicos asociados a la cobertura forestal.
Además de cuantificar estos servicios en la situación actual, se planteó un escenario de degradación de la masa forestal con el objetivo de evaluar las consecuencias ambientales y económicas derivadas de una reducción significativa de la cobertura arbórea. Para ello se simuló una disminución de la superficie ocupada por árboles y matorral, incrementando proporcionalmente las superficies de suelo desnudo, herbáceas, edificaciones y carreteras.
La comparación entre ambos escenarios puso de manifiesto la estrecha relación existente entre el estado de conservación de la masa forestal y los servicios ecosistémicos que proporciona. La reducción de la cobertura arbórea supone una disminución significativa de la capacidad de secuestro y almacenamiento de carbono, una menor eliminación de contaminantes atmosféricos y una pérdida de los beneficios hidrológicos asociados a la vegetación, traduciéndose en una reducción del valor económico estimado de estos servicios.
Estos resultados ponen de manifiesto la importancia de conservar y gestionar adecuadamente las masas forestales mediterráneas, no solo por su valor ecológico, sino también por los beneficios ambientales y socioeconómicos que generan para el conjunto de la sociedad.
Evaluación del vigor vegetativo mediante imágenes multiespectrales
Además de la información estructural obtenida mediante la tecnología LiDAR, el vuelo realizado con el UAV permitió adquirir imágenes multiespectrales utilizadas para evaluar el estado fisiológico del arbolado.
A partir de estas imágenes se calculó el Índice de Vegetación de Diferencia Normalizada (NDVI), uno de los indicadores más empleados para estimar el vigor vegetativo y la actividad fotosintética de la vegetación. Los valores elevados de NDVI se asocian a una mayor presencia de biomasa verde y a un buen estado de desarrollo, mientras que valores inferiores indican una reducción de la actividad fotosintética o del vigor de la vegetación.
En este estudio se identificaron como potencialmente afectados aquellos árboles con valores de NDVI inferiores a 0,5, al presentar un menor vigor vegetativo. Aunque este índice no permite determinar la causa del deterioro, estos valores pueden estar asociados a procesos de estrés hídrico, enfermedades, defoliación u otros factores que afecten al desarrollo de la vegetación.
La integración de la información estructural obtenida mediante LiDAR con los datos espectrales proporcionados por el sensor multiespectral permitió localizar de forma precisa los árboles susceptibles de presentar problemas fisiológicos, facilitando la planificación de inspecciones de campo y actuaciones de gestión dirigidas a mejorar el estado sanitario de la masa forestal.
Conclusiones
Este trabajo demuestra el elevado potencial de las tecnologías LiDAR y la teledetección para la realización de inventarios forestales de precisión y el seguimiento del estado de conservación de las masas forestales. La comparación entre diferentes plataformas y algoritmos permitió identificar la combinación más adecuada para la detección y caracterización individual del arbolado.
Asimismo, la integración de modelos alométricos, el análisis de los servicios ecosistémicos y la evaluación del vigor vegetativo mediante imágenes multiespectrales demuestran que estas tecnologías no solo permiten automatizar los inventarios forestales, sino también proporcionar información de gran utilidad para la planificación, conservación y gestión sostenible de los bosques mediterráneos.
Los resultados obtenidos evidencian que la combinación de datos LiDAR, sensores multiespectrales y técnicas avanzadas de procesamiento constituye una herramienta eficaz para mejorar el conocimiento de las masas forestales y apoyar la toma de decisiones en un contexto marcado por el cambio climático.
Toda la información obtenida durante la realización del proyecto incluido los resultados de los beneficios ecosistémicos, se puede consultar descargando la carpeta que se enlaza a continuación y visualizando el visor web html.
Proyecto financiado por el Convenio de Colaboración Diputación de Málaga–Fundación Unicaja, Programa MICROCLIMAS 2024.
