Identificación de especies, seguimiento y recuento del aula forestal Aiguaviva
Flujo de trabajo
Adquisición de imágenes con dron
Se utilizan drones equipados con cámaras multiespectrales y sensores LIDAR de alta resolución para obtener imágenes aéreas y datos del área de interés.
Procesamiento de imágenes y datos
Mediante diferentes programas y motores de inteligencia artificial se procesan las imágenes para obtener distintos datos relevantes del proyecto.
Informe preliminar
Tras el procesamiento inicial de imágenes y datos, se someten a análisis y discusión. Se evalúan y se contrastan con la bibliografía oficial disponible para poder elaborar el informe preliminar.
Puntos de control
Se establecen distintos puntos de control georreferenciados en las diferentes Áreas de Trabajo (AT) con recuentos visuales.
Datos de control
Se obtienen distintos datos dasométricos de los puntos de control y se contrastan con el informe inicial.
Aprendizaje automático (Machine learning)
Se entrenan los diferentes motores de IA con los datos empíricos, utilizando la metodología del informe preliminar.
Informe final
Se elabora un dossier con las conclusiones finales y una metodología para la identificación, el seguimiento y el recuento de especies.
Antecedentes
Según los datos recogidos por la estación meteorológica de Montmell, comparando el período de enero a junio de 2023 con el mismo período de 2024, hay una variación poco significativa en la temperatura media.
En cuanto a la pluviometría acumulada, se observa una variación importante en 2024, con una pluviometría acumulada de 386,4 mm frente a los 166,5 mm de 2023.
Imagen satelital NDRE Julio 2023
Imagen satelital NDRE Julio 2024
Comparando los histogramas de las imágenes, se puede observar un aumento en los valores del índice NDRE (Normalized Difference Red Edge) en 2024 respecto a 2023.
Esto indica un incremento vegetativo de la masa forestal y, por tanto, una mejora en la sanidad vegetal durante el período de estudio.
Seguimiento
Se realizarán cuatro monitoreos anuales.
Los períodos de seguimiento se llevarán a cabo coincidiendo con los diferentes estadios fenológicos de las especies en estudio.
Índices de seguimiento
Los índices de seguimiento para el monitoreo de la propiedad forestal son: NDRE y SIPI2.
NDRE – Normalized Difference Red Edge
Aplicaciones clave:
- Monitorear la salud de los cultivos para detectar deficiencias de nutrientes o estrés hídrico.
- Estimar el contenido de nitrógeno en las plantas a través de la cantidad de clorofila en las hojas.
- Funciona eficazmente en cultivos densos, donde otros índices se saturan y pierden precisión.
Ventajas:
- Discrimina mejor el suelo, lo que lo hace más preciso que otros índices como el NDVI.
- Es ideal para detectar problemas en cultivos en etapas más avanzadas.
- Proporciona una evaluación más precisa de la clorofila y del estado de salud de las plantas.
SIPI2 – Structure Intensive Pigment Index 2
Aplicaciones clave:
- Detección de estrés vegetal: identifica problemas causados por deficiencias de nutrientes, enfermedades o condiciones adversas.
- Monitoreo del vigor y del follaje de la vegetación.
Ventajas:
- Mayor sensibilidad para detectar cambios en la proporción de clorofila y carotenoides.
- Menor saturación en áreas con vegetación densa, a diferencia de otros índices como el NDVI.
- Detecta el estrés en las plantas en etapas tempranas, antes de que sea visible.
Análisis de la propiedad forestal
Els punts d’anàlisis de la propietat forestal Aiguaviva son els següents:
Densitat i recompte
Visió general de la densitat.
Detalls per sectors
Dimensions de la coberta
Visió general de la densitat.
Visió general de la densitat.
Detalls per sectors
CONCLUSIONES DEL RECUENTO Y DENSIDAD
AT2 y AT4 presentan valores muy similares en cuanto a la densidad de masa forestal y al número medio de árboles.
Estos valores se sitúan alrededor del 73% de densidad y aproximadamente 1050 ejemplares por hectárea. En cuanto a las dimensiones de la cubierta, se observa un valor del 32% < 2,3 metros para AT2 y un 43% para AT4.
AT1 presenta valores superiores a los de los otros dos sectores analizados, con una media de 1371 árboles, un 77% de cobertura de masa forestal y una dimensión de cubierta con un 24% < 2,3 metros.
AT3 presenta los valores más bajos de todos los sectores analizados, con 682 árboles y una cobertura del 48% de la masa forestal. Sin embargo, presenta los valores más altos en cuanto a la dimensión de la cubierta, con un 51% < 2,3 metros.
MDT (Modelo Digital del Terreno)
El modelo digital del terreno de precisión es otro elemento clave para el análisis de los datos extraídos en las fases anteriores.
Este modelo nos ayudará a comprender algunos de los procesos que se desarrollan en las zonas de estudio.
Detalles por sectores
AT 1 : 4,2 ha
AT 2 : 4.4 ha
AT 3 : 4 ha
AT 4 : 7, 1 ha
Conclusiones NDRE
- A partir de los índices de reflectancia generales de cada sector, se pueden determinar y cuantificar las zonas con mayor o menor vigor vegetativo.
- Descartando los valores extremos del histograma, se puede observar un patrón que se corresponde con la especie principal y la secundaria.
- Una vez consolidados y monitorizados los puntos de control, es posible crear un modelo determinista de control y detección temprana de las especies.
- La modificación del histograma permite identificar puntos relevantes de control para su posterior estudio.
Detalles por sectores
AT 1
AT 2
AT 3
AT 4
Conclusiones SIPI 2
- Con el tratamiento individualizado para cada capa de los sectores analizados, podemos definir la zonificación de los puntos más relevantes del estudio.
Estos puntos se consideran de baja absorción de humedad.
Aproximación al Pinus halepensis
Después de procesar los datos de las fases anteriores, creamos un modelo en el que podemos interactuar con todos los elementos de estudio.
