Programa del congreso

En planicies aluviales, un buen modelo digital de elevación (MDT) es decisivo para simular inundaciones. El problema es que la fotogrametría (UAV/SfM) suele “perder” el fondo del cauce cuando hay agua, dejando un canal poco realista y afectando la conectividad del flujo. Presentamos una versión resumida del Método de Dominio Fluvial, que aprovecha la altimetría obtenida por fotogrametría (llano y bordes del canal en estiaje) y la complementa con pocos datos de campo para reconstruir una geometría de cauce idealizada e integrada al MDE del llano. El caso de estudio es el delta del río Ranchería (Riohacha, Caribe colombiano) en un tramo de ~26 km. Se combinaron productos SfM‑MVS de (2017; GSD ~20 cm) con GNSS‑RTK (2022–2023), secciones transversales (2015) y puntos del fondo (2023). Se reconstruye el perfil longitudinal aplicando principios de consistencia hidráulica (pendiente monotónica) e integra en el MDT de la llanura de inundación. La validación mostró una discrepancia del 11.7% en el perfil longitudinal del cauce respecto a secciones transversales medidas y un RMSE de 0.38 m en la llanura de inundación frente a datos GNSS-RTK. El método ofrece una solución accesible y costo-efectiva para la gestión del riesgo de inundaciones en contextos donde tecnologías activas como LiDAR no son viables.

La monitorización de bosques con sensores remotos ha dado un salto enorme en los últimos 10 años, hasta el punto de que una pequeña cooperativa como Agresta puede desarrollar una plataforma como ForestMap-IA. En el contexto actual es posible pasar de inventarios estáticos a un sistema operativo, que integra sensores remotos e Inteligencia Artificial para monitorización forestal a escala nacional. Trabajando con datos abiertos es posible realizar inventarios forestales de alta resolución, con una alta precisión, generando información de las principales variables forestales en tiempo casi real. Esto demuestra que la principal barrera que tenemos hoy día para la monitorización del patrimonio forestal nacional no es la tecnología, sino el gap existente entre el coste de la tecnología y la rentabilidad de las explotaciones forestales. En este sentido, la administración pública puede ser un agente tractor, desarrollando modelos participativos inspirados en el éxito finlandés (Metsään.fi). Una plataforma nacional impulsada por el estado, no solo permitiría el acceso de pequeños propietarios a la tecnología, sino que podría simplificar la gestión de los aprovechamientos forestales facilitando la trazabilidad y el cumplimiento del reglamento EUDR. Este impulso institucional seria clave para transformar la innovación tecnológica en una herramienta operativa que fomente la gestión activa de nuestros bosques.

Las ciudades mediterráneas afrontan riesgos ambientales urbanos que impulsan estrategias de renaturalización y exigen herramientas de evaluación para orientar la planificación a escala de barrio. En este trabajo se presenta un enfoque metodológico para evaluar la regla 3–30–300 en Cáceres (España) mediante la integración de datos LiDAR y el uso de técnicas de análisis avanzado de Sistemas de Información Geográfica (SIG). La metodología traduce los tres indicadores de la regla a métricas reproducibles a escala de edificio: el indicador 3 se calcula mediante análisis 3D de visibilidad entre edificaciones y arbolado extraído del LiDAR; el indicador 30 se calcula a partir de la estructura de la vegetación para cuantificar la cobertura arbórea por barrio; y el indicador 300 se calcula mediante análisis de redes para medir accesibilidad peatonal a zonas verdes con distancias caminables reales. Una vez calculados los tres indicadores, se genera un índice compuesto que sintetiza el desempeño relativo de cada edificio respecto a la regla, estandarizando y combinando variables en un único valor. Como resultado, aparecen zonas con mayor puntuación del índice concentradas en barrios con mayor cobertura arbórea y con una alta proporción de edificios con acceso peatonal a zonas verdes. En el casco histórico y crecimientos periféricos se observa una tendencia a valores más bajos, quedando señalados como ámbitos prioritarios de intervención para mejorar el cumplimiento de la regla 3–30–300.

La monitorización de perturbaciones en bosques mediterráneos cuenta con numerosos productos de detección de cambio (globales, europeos y nacionales). Sin embargo, la heterogeneidad en sensores, resolución espacial, cobertura temporal y leyendas dificulta su integración y explotación conjunta. En el marco del proyecto RIGOR-MED, cuyo objetivo es mejorar la representatividad y rigor estadístico de las observaciones, este trabajo evalúa una armonización multifuente integrando productos internos basados en Landsat y Sentinel-2 (CCDC) con Global Forest Change (GFC), European Forest Disturbance Atlas (EFDA) y el Sistema de Alertas y Cambios Anuales (EIKOS). La armonización se fundamenta en (i) una leyenda común y reglas de cross-walking y (ii) fusión espacio-temporal. A partir de esta integración se generan mapas armonizados para la Península Ibérica y Baleares, aplicando dos estrategias alternativas de resolución de conflictos: prioridad por fuente y prioridad por clase. La validación con datos fotointerpretados, demuestra que la armonización mejora la consistencia y fiabilidad respecto a los productos individuales. Los mapas armonizados alcanzan una exactitud binaria del 99%, eliminan el error de comisión y reducen la omisión a valores inferiores al 32% (17% bajo una definición restrictiva de perturbación). En la validación temática, el enfoque mejora la detección de aprovechamientos manteniendo alta precisión y consigue sensibilidad completa para incendios, aunque con retos persistentes en la identificación de perturbaciones sutiles. En conjunto, los resultados respaldan que la integración multifuente constituye una vía eficaz para generar productos operacionales robustos de monitorización de perturbaciones.

El uso de Modelos Digitales de Elevación (MDE) derivados de sensores LiDAR (Light Detection and Ranging) desde drones y satélites se ha consolidado como referencia en estudios ambientales y territoriales debido a su elevada precisión altimétrica y resolución espacial. No obstante, esta adquisición de datos implica costes económicos, operativos y de procesamiento que pueden limitar su disponibilidad en determinados contextos de investigación. En este escenario, los sistemas fotogramétricos, tanto RGB como multiespectrales, se presentan como una alternativa más accesible económicamente, si bien su capacidad para generar MDE comparables en precisión y calidad geométrica requiere una evaluación específica. La presente investigación analiza diferentes metodologías para la generación controlada de MDE a partir de un vuelo realizado con un dron DJI Mavic 3 Multispectral. El objetivo es evaluar si los MDE obtenidos mediante estrategias específicas de filtrado morfológico, discriminación espectral e interpolación pueden aproximarse al MDE derivado de un vuelo LiDAR, realizado en nuestro caso de estudio con un sensor DJI Zenmuse L2 sobre la misma área de estudio. El análisis se desarrolla en un viñedo cultivado en espaldera localizado en el municipio de Villamena (Granada, España), donde las imágenes fueron obtenidas en condiciones comparables (hora del día similar y etapa fenológica). Los resultados preliminares evidencian diferencias altimétricas sistemáticas entre los modelos generados por defecto por los programas de procesamiento de las imágenes de ambos drones, y sugieren una mayor capacidad del LiDAR para detectar la superficie del terreno con menor influencia de la vegetación, si bien los enfoques fotogramétricos muestran potencial para aproximarse a dichos resultados bajo un procesamiento controlado. Este trabajo constituye una fase preliminar orientada a establecer un marco metodológico reproducible para la generación y evaluación de MDE fotogramétricos frente a referencia LiDAR.

El seguimiento del uso del suelo y la cobertura del suelo (LULC) es esencial para comprender la dinámica del paisaje y su interacción con las actividades humanas, especialmente en un contexto de cambios ambientales globales. El Servicio de Monitoreo de la Tierra de Copernicus (CLMS) ofrece una gama de productos LULC multi anuales, entre ellos el veterano CORINE Land Cover y las más recientes capas de Monitoreo de Áreas Prioritarias orientadas a zonas clave como áreas urbanas, ribereñas, costeras y espacios Natura 2000. Los productos previos del CLMS sobre LULC se han basado principalmente en la fotointerpretación manual, lo que ha supuesto limitaciones en la resolución espacial, la reproducibilidad y la eficiencia. PA-2021 presenta un flujo de trabajo novedoso y semiautomático que utiliza series temporales de Sentinel-2 con superresolución y modelos de IA para generar productos LULC de Áreas Prioritarias de alta resolución. Este flujo de trabajo busca aprovechar la valiosa información previa del CLMS para alimentar los modelos, aplicando un filtrado exhaustivo basado en el comportamiento espectro-fenológico de cada clase en comparación con los predictores derivados de los datos de observación de la Tierra (EO). PA-2021 alcanza más del 90 % de precisión en la clasificación de Nivel 1 y captura subclases detalladas, como tipos de bosque y la distinción entre pastizales y cultivos. La metodología mejora la detección de elementos de pequeña escala y permite obtener salidas vectoriales listas para su uso, reduciendo significativamente el procesamiento manual. Su escalabilidad a regiones y periodos temporales más amplios favorece una mejor estratificación para campañas de muestreo in situ y contribuye a la futura cartografía de hábitats mediante su alineación con las clasificaciones EUNIS.

La cartografía de la cubierta de nieve y su dinámica han constituido aplicaciones típicas de las imágenes de teledetección. La automatización de estas aplicaciones ha sido un objetivo importante por el evidente interés que tiene el conocimiento del manto nival para la hidrología, el funcionamiento de los ecosistemas, o el balance energético terrestre. La disponibilidad de sensores espaciales capaces de captar radiación reflejada en el infrarrojo de onda corta a la vez que en el verde fue especialmente importante para definir índices como el de innivación de diferencia normalizada (Normalized Difference Snow Index, NDSI), de cálculo rápido, característica especialmente importante cuando se propuso. La utilización de umbrales simples y universales para separar superficies cubiertas de nieve de las no nevadas hacían todavía más atractivas estas aproximaciones. Sin embargo, las diferencias entre imágenes, las confusiones con otras cubiertas, etc, han ido llevando, primero, al uso de umbrales distintos y, más tarde a cuestionar si hoy en día está justificada una solución tan simple cuando disponemos de mucha más información espectral y de mucha más capacidad de cálculo. A estos interrogantes se une el hecho que algunos productos de innivación proporcionados por las grandes agencias espaciales presentan frecuentes errores de omisión y comisión. Este trabajo plantea abandonar la incertidumbre asociada del NDSI y, en su lugar, utilizar aproximaciones más robustas, como las basadas en aprendizaje automático (k-NN) fuertemente multivariante con datos MSI de Sentinel-2. A continuación se explora la obtención de la innivación en días concretos en que se simula no disponer de imágenes MSI pero se modeliza la innivación en base a productos MODIS entrenados con los resultados de MSI y variables geográficas. Los resultados, muy prometedores, nos permiten vislumbrar una vía no solamente para mejorar la cartografía en fechas concretas, sino para generar series temporales coherentes.

El artículo analiza la importancia de disponer de información georreferenciada precisa y actualizada para apoyar la toma de decisiones en la gestión urbana. En un contexto donde los fenómenos urbanos —como la movilidad, el uso del suelo, las infraestructuras o la prestación de servicios— están estrechamente vinculados al territorio, resulta imprescindible contar con datos de calidad y con una correcta geolocalización. Tradicionalmente, la cartografía vectorial ha sido la base para representar el espacio urbano, organizada en capas temáticas como redes viarias, parcelas, edificaciones o zonas verdes. En este marco, las ortofotografías se consolidan como una solución eficaz al proporcionar imágenes aéreas corregidas geométricamente que permiten realizar mediciones directas y observar el estado real del territorio en un momento determinado. Su carácter visual facilita la interpretación y aporta información complementaria a la cartografía clásica. Aunque históricamente las ortofotos se obtenían mediante vuelos tripulados o satélites, estas tecnologías presentan limitaciones por el coste y la resolución. El artículo plantea como alternativa el uso de UAV (drones), que permiten capturar imágenes de muy alta resolución a baja altura, con gran flexibilidad operativa y costes reducidos. Se presenta como caso de estudio el proyecto licitado por el Ayuntamiento de Cáceres para generar una ortofoto con GSD ≤ 2,5 cm, cubriendo más de 3.600 hectáreas del núcleo urbano y sus tres pedanías. La ortofoto se emplea además para identificar superficies con cubiertas de fibrocemento (amianto) y paneles fotovoltaicos mediante fotointerpretación. El trabajo de campo incluyó el uso de un dron ligero DJI Mini 4 Pro (250 g) con el que se tomaron algo más de 47.000 fotografías. La aerotriangulación automática y el procesamiento fotogramétrico permiten obtener un modelo de elevación de alta densidad. Los resultados evidencian la viabilidad técnica y utilidad de estas ortofotos como base para el SIG municipal, la actualización cartográfica y el análisis urbano detallado