Programa del congreso

La fenología de la superficie terrestre (land surface phenology; LSP) y las tradicionales observaciones humanas in situ de las fenofases a nivel de organismo han contribuido a mejorar la comprensión del comportamiento fenológico de los ecosistemas de la península ibérica y el archipiélago balear. No obstante, la información derivada de ambos enfoques fenológicos no ha sido comparada en estudios previos. Así, el objetivo de este estudio fue comparar las fechas del inicio de la estación de crecimiento (start of season; SOS) estimadas a partir de datos MODIS (Moderate-Resolution Imaging Spectroradiometer) con las fechas del despliegue de las hojas de las frondosas caducifolias de la península ibérica y el archipiélago balear. Las fechas del SOS y las fechas de las primeras y segundas hojas desplegadas en las frondosas caducifolias atlánticas mostraron una correlación moderada (i.e., 0.52 y 0.57, respectivamente). Por el contrario, la correlación fue muy débil en las frondosas caducifolias mediterráneas (i.e., 0.14 y 0.13, respectivamente). Además, las diferencias absolutas entre las fechas del SOS y las fechas de las fenofases de primavera fueron muy altas en las frondosas caducifolias mediterráneas. Este estudio sugiere que la comparación de las fenométricas de primavera basadas en una resolución espacial moderada con las fenofases observadas in situ podría resultar desafiante en los heterogéneos ecosistemas mediterráneos. En consecuencia, la estimación de LSP a una resolución más alta podría contribuir a mejorar la comprensión de la dinámica estacional de las frondosas caducifolias en estos complejos ecosistemas mediterráneos.

La estimación de la GPP en bosques perennes mediante modelos de eficiencia en la producción presenta dificultades atribuidas a la menor estacionalidad de la fAPAR en comparación con los bosques caducifolios. La fAPAR puede obtenerse mediante una relación lineal con el NDVI. Este estudio utiliza la reflectividad en superficie del producto MCD19A1 para calcular NDVI, PRI y CCI (presentes en la literatura como alternativas al NDVI en bosques perennes) y kNDVI. Se analiza la correlación de cada índice (proxy de la fAPAR) con la GPP observada en siete estaciones eddy covariance (EC) instaladas tanto en bosques perennes como caducifolios, y la correlación entre la GPP y el producto de cada índice y la PAR (proxy de la APAR), también medida en las estaciones EC. En bosques perennes, se obtiene la mayor correlación GPP-índice con el CCI. En bosques caducifolios, con el kNDVI. Cuando se introduce la PAR, las correlaciones aumentan en todos los casos excepto el del CCI, obteniéndose las correlaciones GPP-índice×PAR más elevadas con el NDVI en bosques perennes y con el kNDVI en bosques caducifolios.

El artículo aborda la iniciativa del Grupo Operativo "BOSQUES 3.0: Digitalización y Teledetección del Uso Sostenible, Biodiversidad y Resiliencia de los Bosques Españoles." El proyecto surge de la necesidad de desarrollar un sistema de identificación de cambios en la cobertura vegetal mediante técnicas de teledetección con el propósito de optimizar la planificación de las auditorías de certificación de gestión forestal sostenible PEFC. Para ello, se explora el uso de plataformas de computación en la nube y se implementan métodos avanzados de detección de cambios basados en inteligencia artificial. El área de estudio se centra en la provincia de Pontevedra, caracterizada por una propiedad fragmentada, donde el 75% de las parcelas certificadas poseen una superficie inferior a las 0,5 hectáreas. Además, la dinámica forestal de la región presenta desafíos notables, como incendios forestales y prácticas comunes como cortas a hecho y desbroces. Se utiliza el algoritmo CCDC (Continuous Change Detection and Classification) para la detección de cambios, debido a su capacidad para identificar cambios en tiempo real. El proceso incorpora el uso de series temporales Landsat y la aplicación de tres índices espectrales clave: TCW, NDVI, NBR. La validación del modelo se lleva a cabo mediante una matriz de confusión expresada en proporciones de área. La precisión global de la cartografía generada alcanza el 94%, alcanzando un error de comisión del 19% en la clase de "Cambio". En un intento de reducir este error, se introduce una nueva variable, el infrarrojo cercano (NIR), lo que mejora la precisión global al 95%, reduciendo el error de comisión en la clase "Cambio" al 15%. Sin embargo, este ajuste resulta en un aumento del error de omisión de la clase "Cambio" del 7% al 12%, lo que resulta menos interesante desde el punto de vista del diseño de las auditorias PEFC.

El uso de rasgos estructurales de vegetación medidos por el Global Ecosystem Dynamics Investigation (GEDI) de la NASA resulta de gran interés como apoyo para el seguimiento, restauración y protección de entornos de alta biodiversidad. En este estudio se emplearon datos de GEDI y LiDAR aéreo (ALS) para la estimación de altura de vegetación en Sierra de las Nieves, recientemente declarado Parque Nacional. Se implementaron técnicas de optimización de la geolocalización de las footprints de GEDI mediante ALS, analizando su impacto junto con la pendiente y la cubierta forestal en la estimación de altura. De media, el desplazamiento de las footprints en el área de estudio tras aplicar la corrección de la geolocalización fue de 8 m. Este enfoque mostró una mejora significativa de los resultados, particularmente en áreas de bosque con baja pendiente, reduciendo el error de 3,4 a 2,6 m. La aplicación de esta metodología se mostró como una herramienta valiosa para cartografiar zonas donde la medición de datos in situ es limitada, especialmente en regiones donde la cobertura y estructura de la vegetación podrían experimentar grandes cambios por los efectos del cambio climático, caso de las regiones montañosas mediterráneas.

En este trabajo se analiza el potencial del algoritmo Continuous Change Detection and Classification (CCDC) para identificar claras forestales en masas de pino laricio en Navarra, utilizando una serie temporal de imágenes Landsat 8. El estudio se centra en los recintos públicos y privados con autorización de corta forestal en el periodo 2016 a 2018, extendiéndose el análisis al período 2015 a 2022. Los parámetros de control del algoritmo se ajustaron sobre una muestra de entrenamiento, que además de recintos en los que se habían realizados labores de clara, se incluyeron recintos sin cambios, identificados mediante fotointerpretación de ortofotos del mismo periodo. Los resultados obtenidos muestran que la banda espectral que permite una mejor identificación de las claras es la correspondiente al SWIR1, con un F-Score final de 0,91±0,03. Las bandas del azul, verde e infrarrojo cercano proporcionaron resultados significativamente peores.

Los bosques desempeñan un papel crucial en la regulación global del carbono, ofreciendo diversos servicios ecosistémicos. La cartografía forestal precisa es clave para evaluar servicios, calidad y extensión de los ecosistemas. La tradicional inventariación forestal es costosa, pero los avances en teledetección facilitan esta tarea. Sensores satelitales y aéreos son ampliamente utilizados para generar mapas forestales. Este estudio busca desarrollar modelos de aprendizaje automático para identificar categorías forestales hasta el nivel de especie, utilizando información de satélites (Sentinel-1 y Sentinel-2) y aérea (PNOA-LIDAR). Los datos se procesaron para obtener variables de estacionalidad y estructura. Utilizando nDSM y NDVI, se predice la tipología estructural con un 60% de precisión global. Para identificar especies, variables aéreas alcanzan precisión superior al 70% en algunas y una precisión global del 68%. Con variables satelitales, la precisión máxima es del 61%. Aunque no es posible identificar especies solo con datos de fenología o estructura, este trabajo proporciona una visión detallada del valor de estas variables para cartografías de carbono y otros servicios ecosistémicos. En resumen, la estacionalidad es más relevante que la estructura.

El aumento de temperaturas debido al cambio climático está provocando un incremento en la frecuencia e intensidad de las sequías, se espera que esta tendencia se intensifique en las próximas décadas. La mayoría de las predicciones sugieren que el estrés causado por la sequía provocará mortalidad a gran escala, contracción del área de distribución de las especies y una pérdida general de productividad a lo largo de este siglo. La defoliación representa una fase temprana del decaimiento, durante la cual se pueden aplicar algunas prácticas silvícolas para reducir la competencia o mejorar la retención de agua de los suelos y, así, prevenir o reducir eventos de mortalidad. Por tanto, identificar y cartografiar estas zonas es de crucial importancia para los gestores forestales en el contexto del cambio global. En este trabajo modelizamos la defoliación a partir de las series temporales Landsat y parcelas en campo, extrapolando los resultados al área de distribución de pino silvestre en el Pirineo Navarro. El modelo final obtenido (AUC > 96.97%, predicción global (OAA) > 88.23% y tasa de predicción de decaimiento >83.3%) permite diferenciar con gran precisión las zonas sanas y decaídas. En esta zona, el 8.14 % de los píxeles (70684px =6316.6ha) se encuentran con problemas de defoliación. Se observa que no existe un patrón homogéneo, si no que las zonas defoliadas se concentran en puntos calientes de decaimiento.

La degradación de los ecosistemas afecta la provisión de bienes y servicios para el bienestar humano, y la restauración ecológica es una estrategia para recuperar la capacidad del ecosistema. Proponer acciones de restauración a escala de paisaje requiere la gestión de grandes niveles de información, y las geotecnologías son una herramienta fundamental. La Provincia de Cardenal Caro, ubicada en la zona central de Chile, es objeto de atención por altos niveles de degradación y la necesidad de recuperar la funcionalidad del ecosistema para servicios como agua y conservación de la biodiversidad. Para abordar esta situación, se elaboraron propuestas de priorización de sitios para restauración ecológica en el área utilizando imágenes de los sensores Sentinel-2 y Alos-Palsar. Procesadas con Google Earth Engine y ArcGIS, se generó información vectorial de un total de 20 indicadores de criterios ecológicos, sociales, económicos y de susceptibilidad, los que integrados en un modelo multicriterio generaron tres propuestas de priorización para el área basadas en la condición pasada y actual del área de estudio. El resultado, mostró la importancia de gestionar información multitemporal y de amplia escala, y que el procesamiento de imágenes satelitales son insumos cada vez más importantes para generar información y tomar decisiones a escala de paisaje.

La cuantificación precisa de la biomasa vegetal es esencial para la gestión ambiental y la respuesta al cambio climático en ecosistemas terrestres. Este estudio aborda la comparación entre mediciones tradicionales y mediciones derivadas de nubes de puntos fotogramétricas obtenidas con vehículos aéreos no tripulados (UAV). La investigación se llevó a cabo en el Parque Natural de la Sierra Calderona, donde se realizaron diferentes vuelos con un dron equipado con una cámara RGB. El procesamiento de datos UAV involucró la generación de nubes de puntos, normalización de alturas, clasificación y segmentación. Para la normalización, se realizó una clasificación de puntos del suelo con el software Class3Dp, obteniendo una precisión de validación cruzada de 0,92. Posteriormente, se clasificó la nube de puntos con el mismo software en base a las especies predominantes (Cistus albidus, Juniperus oxycedrus, Quercus coccifera y Q. ilex). Esta clasificación obtuvo una fiabilidad por validación cruzada de 0,86. Tras la clasificación, se realizó una segmentación de la nube de puntos, obteniendo la altura, ancho y largo de cada individuo. Por otro lado, estas tres variables también se obtuvieron en campo mediante medición clásica, pudiendo aplicar ecuaciones alométricas específicas de cada especie. La comparación de la biomasa estimada por especie y por parcela entre mediciones tradicionales y UAV reveló que la estimación de biomasa con ambas técnicas es similar, aunque se detectó un mayor recuento de individuos en las mediciones UAV. Los valores de biomasa calculados a partir de datos UAV ofrecen información de detalle a nivel individual en zonas con alto interés medioambiental, pudiendo obtener mapas detallados de individuos, especies y volumetrías. Esta tecnología destaca en términos de precisión y eficiencia en comparación con los métodos tradicionales, abriendo nuevas posibilidades para la realización de estudios forestales más extensos y precisos con un menor coste económico y temporal.