Programa del congreso

La heterogeneidad espectral de los pastizales arbolados, como las dehesas, atribuida a la existencia de elementos como árboles, sombras y pasto, con un comportamiento contrastado representa un reto para el uso de la teledetección. El seguimiento temporal de la vegetación fotosintéticamente (PV) y no fotosintéticamente (NPV) activa es crucial. Sin embargo, la mezcla espectral obstaculiza la identificación de los estratos vegetales a nivel de píxel en imágenes de satélite. La cartografía precisa de la fenología de los pastizales de dehesa proporciona información valiosa acerca de los ciclos de carbono y nutrientes, la degradación de los pastos, su productividad y el riesgo de incendios. En este estudio, empleamos imágenes de Sentinel 2 (S2) combinadas con espectro-radiometría de campo para cartografiar las fracciones PV y NPV del estrato herbáceo de una dehesa localizada en la estación experimental de Majadas de Tiétar (Extremadura, España). Para ello, se descargó y procesó una serie temporal de 231 imágenes de S2 (2015-2022). Se generó una biblioteca espectral a partir de datos tomados in situ con un espectro-radiómetro ASD FieldSpec® 3 representando los principales componentes del ecosistema: pasto PV y NPV, dosel de encina y suelo desnudo. La biblioteca espectral se usó como entrada en un modelo de desmezclado espectral lineal de mínimos cuadrados que se aplicó a la serie temporal de S2. Los mapas generados de fracciones PV y NPV fueron validados mediante estimaciones a partir de fotos de campo usando FOLIAGE, una herramienta de procesado de la fracción verde. Los resultados demuestran un patrón satisfactorio y consistente en la discriminación de las fracciones de PV y NPV en los distintos periodos fenológicos. La validación de la fracción NPV mostró un ajuste adecuado (R2= 0.88, RMSE = 13%) comparado con las fotos de campo. La metodología de desmezclado espectral ensayada permitiría entender las variaciones espacio-temporales en las fracciones de NPV a escala regional y su impacto en la productividad de los pastizales.

Los pastos y los ecosistemas de dehesa son esenciales para proporcionar diferentes servicios ecosistémicos, entre los que destacan los servicios de abastecimiento de alimentos, energía y materiales de origen biótico, los servicios de regulación climática, conservación del suelo y la biodiversidad, y mitigación de los incendios forestales y finalmente los servicios culturales. En este contexto, la teledetección puede ser una herramienta eficaz para evaluar los cambios estacionales, anuales y a largo plazo de la vegetación terrestre. En este trabajo, combinamos datos de campo e imágenes de satélite obtenidas del satélite hiperespectral PRecursore IperSpettrale della Missione Applicativa (PRISMA) para estimar rasgos como la biomasa aérea, el índice de área foliar (LAI) o el contenido de humedad del pasto en un ecosistema de dehesa situado en Majadas de Tiétar (Extremadura, España). Se adquirió una serie temporal de 28 imágenes PRISMA L2D libres de nubes sobre la zona de estudio entre 2020 y 2023 en diferentes fenofases del pasto. Se calcularon diferentes índices espectrales y se utilizaron librerías espectrales generadas mediante espectroscopía de campo (espectrorradiómetro ASD FieldSpec® 3) para implementar un desmezclado lineal basado en mínimos cuadrados a los datos PRISMA. Se utilizó un análisis de regresión lineal simple para analizar las relaciones entre los rasgos medidos en campo, los índices espectrales y las fracciones estimadas mediante el desmezclado, que fue evaluado mediante el coeficiente de determinación (R2) y el error cuadrático medio relativo (rRMSE). Los resultados mostraron la mayor precisión para predecir biomasa fotosintética (AGBv) mediante el índice de clorofila CI_red_edge en la fenofase de máximo verdor (R2 = 0.74 y rRMSE = 0.21); mientras que el índice de vegetación de agua foliar (LWVI2) mostró los mejores resultados para predecir biomasa (AGBnv) y LAI no fotosintéticos (LAInv) en la fenofase de sequía estival (R2 ≥ 0.77). En conjunto, estos resultados demostraron el potencial de los nuevos y futuros sensores satelitales hiperespectrales para estimar los rasgos fotosintéticos de la vegetación en una pradera arbolada semiárida.

: La clorofila-a (Chl-a) es un indicador clave de la biomasa algal y por ende de la calidad de las masas de aguas continentales, siendo su monitoreo crucial para comprender y gestionar los ecosistemas acuáticos. Los satélites de observación de la Tierra, en particular Sentinel-2 (S2), proporcionan datos valiosos para la estimación de Chl-a debido a su alta resolución espacial y temporal. Este estudio investiga el rendimiento de dos modelos de estimación de Chl-a: uno basado en Gaussian Process Regression (GPR) y otro basado en un Índice Paramétrico (IP), utilizando datos multiespectrales S2 y mediciones in situ en la Albufera de València, una laguna hipertrófica. Se obtuvo una serie temporal densa para la Chl-a (2017-2023; 300 escenas S2) mediante la aplicación de modelos GPR y IP. Los modelos se entrenaron y validaron explotando una base de datos acoplada de mediciones in situ (221 muestras de Chl-a; rango: 16,1 - 376 μg L-1) y los datos de reflectancia superficial S2-L2A. Los modelos reproducen con éxito los cambios dinámicos en las concentraciones de Chl-a, demostrando su eficacia en el seguimiento de sus tendencias y su estacionalidad. Los resultados de validación mostraron que el modelo basado en IP superó al GPR en términos de precisión (R2GPR = 0,84 < R2IP = 0,89) y errores estadísticos (RMSEGPR= 70.6 μg L-1 > RMSEIP = 55.51 μg L-1, NRMSEGPR= 22 % > NRMSEIP = 18 %). El análisis de las series temporales de las concentraciones de Chl-a estimadas reveló un aumento constante de los niveles de Chl-a en la laguna de la Albufera. Esta tendencia es alarmante, ya que indica un aumento de la eutrofización, una condición caracterizada por un enriquecimiento excesivo de nutrientes, lo que conduce a la proliferación de algas potencialmente nocivas y a posibles alteraciones del ecosistema. Este hallazgo fundamental pone de relieve la necesidad de adoptar medidas proactivas para preservar la salud de este ecosistema acuático.

Las plantas se caracterizan por rasgos bioquímicos, estructurales y funcionales específicos de cada especie. Diversos estudios han demostrado la capacidad de la teledetección para estimar esos rasgos funcionales a nivel foliar y de dosel. Sin embargo, la mayoría de los trabajos se centran en bosques y cultivos, mientras que la caracterización funcional de los pastizales mediante teledetección es aún es limitada debido a la compleja mezcla de especies, la presencia de elementos que distorsionan la relación entre los rasgos y el comportamiento espectral que los caracteriza (material senescente, flores), y la enorme variabilidad espacial y temporal condicionada por factores ambientales muy diversos. En el presente estudio hemos abordado este reto, analizado el potencial de los datos ópticos obtenidos con un espectro-radiómetro hiperespectral para estimar rasgos funcionales a nivel foliar (contenido de agua (LWC) en g/cm2, contenido de materia seca (LDMC) en %, área foliar específica (SLA) en cm2/g, y contenido en clorofila (Cab) en mg/g a 65ºC) para siete especies herbáceas, características de los pastizales de dehesa Mediterránea, cultivadas en parcelas monoespecíficas. Usando modelos empíricos basados en técnicas de regresión por mínimos cuadrados parciales (Partial Least Squares Regression, PLSR) se lograron buenos ajustes entre rasgos foliares y espectrales para algunas variables como LWC (R2 = 0.94, error cuadrático medio normalizado (nRMSE) = 0.05) y Ca/Cb (R2 = 0.89, nRMSE = 0.07) siendo algo menores para otras como SLA (R2 =0.71, nRMSE = 0.10) y Cab mg/g (R2 = 0.45, nRMSE = 0.17). El agrupamiento jerárquico de las especies analizadas en función de los rasgos foliares observados y estimados con teledetección óptica de proximidad en las distintas fases fenológicas, mostraron grupos funcionales similares entre sí, aunque divergentes con la clasificación funcional clásica para algunas especies de gramíneas y leguminosas.