Programa del congreso

La capacidad para cuantificar y monitorear la dinámica del matorral, y especialmente la conectividad entre el estrato arbustivo y el estrato arbóreo, juega un papel clave en el estudio de la propagación de los incendios forestales. La conectividad entre estratos forestales es difícil de medir en los bosques mediterráneos debido a la complejidad que conlleva y los recursos que implica. El presente estudio propone un método para identificar los estratos arbustivo y arbóreo y cuantificar los cambios en la conectividad entre estratos a partir de datos de escáner láser terrestre (TLS). El método consiste en dividir las nubes de puntos TLS en columnas de datos, extraer los perfiles de distribución de retornos en altura y aplicar descomposición gaussiana para analizar la evolución de la conectividad entre estratos entre 2015 y 2022. Los resultados muestran que el estrato arbóreo de Pinus pinaster tiene una conectividad menor con el estrato arbustivo en comparación con el estrato arbóreo de P. halepensis. Los resultados también muestran el efecto de la poda natural de estas dos especies arbóreas, y en consecuencia la reducción de material combustible en los fustes a lo largo del tiempo. En términos generales, el matorral redujo la superficie ocupada y su altura, por lo que la conectividad entre estratos se redujo con el tiempo. Los resultados en el estrato arbóreo son probablemente consecuencia del efecto del crecimiento de los árboles en ausencia de tratamientos silvícolas, y la variación negativa del matorral probablemente esté relacionada con la climatología del periodo de tiempo analizado. Este enfoque nos permite profundizar en la comprensión de la dinámica vertical del bosque mediterráneo, discernir de manera efectiva entre los estratos arbustivos y arbóreos, y cuantificar el cambio de la estructura, elementos clave en la gestión silvícola y en la prevención de los incendios forestales.

Los mapas de distribución de especies son de gran importancia para investigadores de diferentes disciplinas y para los propios gestores forestales a diferentes escalas. En las últimas décadas, se han invertido muchos esfuerzos en la clasificación de especies forestales en grandes áreas a partir de datos obtenidos por teledetección, especialmente a partir de imágenes hiperespectrales, multiespectrales y la combinación de los mismos con LiDAR. Sin embargo, teniendo en cuenta las limitaciones existentes y considerando la inminente disponibilidad de datos LiDAR de media resolución para toda España de manera gratuita gracias al proyecto LiDAR-PNOA, resulta interesante evaluar la aplicabilidad de este tipo de datos de media resolución espacial en la clasificación de especies.

En este trabajo se generará una metodología para identificar automáticamente especies forestales a partir de datos LiDAR aéreos con resolución similar a la esperada en el proyecto LiDAR-PNOA. Cuatro especies forestales con especial relevancia productiva, en el área piloto del Baixo Miño en Galicia serán clasificadas. Para ello se aplicará un algoritmo de clasificación supervisada. Como resultado de dicha clasificación se obtendrá un mapa ráster que será posteriormente verificado a través de una matriz de confusión, índice Kappa y precisiones de productor y de usuario.

La detección de zonas de decaimiento forestal inducido por sequía es clave para desarrollar estrategias de adaptación y mitigación del cambio climático. En este trabajo se aborda la identificación temprana de áreas afectadas por sequías ecológicas, examinando la viabilidad de utilizar diferencias en el Índice de Área Foliar (LAI) como indicador distintivo de áreas de coldspots (C) y hotspots (H) de decaimiento. Se utilizaron datos de campo y datos LiDAR-UAV. El análisis estadístico mostró diferencias significativas en el LAI entre C (ALU, CED) y H (ALU, COR) en las provincias de Guadalajara y Teruel. Se estudiaron las diferencias entre H y C en los valores de alturas como caracterización de las zonas, aunque solo se vieron diferencias significativas para Teruel (CED-COR). Además, no se encontró un patrón de correlaciones más altas de las alturas medidas con LiDAR para C ni H. Para ajustar la estimación del LAI basado en LiDAR se estudió el coeficiente de extinción de Beer-Lambert (k), que ofreció valores LAI más cercanos a los de campo con valores de k más bajos en H y k cercanas a 1 en C. Con los resultados obtenidos se concluye que el LAI podría servir para diferenciar entre C y H a mayor escala.

La tecnología LiDAR ofrece la posibilidad de obtener información sobre la estructura, la biomasa, la cobertura u otros aspectos de interés de las masas forestales, de forma precisa y remota. El objetivo del presente trabajo fue evaluar la posibilidad de estimar el área basimétrica del haya en Navarra a partir de datos LIDAR. Para ello, se descargaron y procesaron todas las hojas LiDAR de la segunda cobertura PNOA sobre Navarra (año 2017), de las que se extrajeron 25 métricas, agrupadas en 3 categorías (métricas de altura, intensidad y distribución de puntos por rangos de altura), con las que se entrenó el algoritmo de regresión de Random Forest utilizando como referencia una base de datos de campo de proyectos de ordenación forestal. Posteriormente, se realizó una reducción del número de variables predictoras de entrada por correlación, seguida de una selección de las mismas basada en el algoritmo de selección secuencial de variables (SFS), con la variante backward floating (SBFFS). Los resultados mostraron que con 12 variables de entrada (4 métricas de alturas, 3 de intensidad y 5 de distribución de puntos) de las 25 inicialmente planteadas, fue posible estimar el área basimétrica del haya con un R2 de 0,45 y un RMSE de 7,04 m2/ha, correspondiendo este a aproximadamente un RMSE relativo del 16%. Los resultados se consideran positivos, teniendo en cuenta la heterogeneidad de esta especie.