Estimación de la biomasa forestal con imágenes de sentinel-2 para la mejora de la gestión forestal en zonas mediterráneas

Resumo

Se ha obtenido un método de estimación de la biomasa rápido, fiable y replicable en cualquier estructura forestal basado en un reducido y sencillo inventario forestal, imágenes de satélite de alta resolución espacial y resolución espectral en los rangos del visible y del infrarrojo cercano y medio y un vínculo entre las variables dependientes e independientes por medio de métodos de regresión por procesos gaussianos. Se han comparado los métodos utilizados para la estimación de la biomasa y se ha constatado tanto que no existe un método estandarizado como que la obtención de los datos de campo, la realización de los inventarios y el cálculo de la biomasa como verdad-terreno y variable dependiente no siempre recibe la importancia que necesita y, por tanto, los resultados no siempre son comparables. Se ha introducido también el uso de las ecuaciones alométricas de biomasa, que describen la relación del diámetro y de la altura con la biomasa, tanto de cada fracción arbórea como del total de cada pie y se han ensayado también otros métodos de adquisición de datos de campo para confrontarlos con esta metodología, aunque finalmente se ha determinado que la sencillez, rapidez y bajo coste de estos métodos deben ser incorporados a un protocolo único de obtención de la biomasa para que todos los análisis puedan ser homogéneos y comparables. Para conseguir la definición de un método replicable en diversas condiciones y estructuras forestales, se han seleccionado áreas de interés en montes jóvenes y maduros en condiciones de clima mediterráneo Csa y Csb según la clasificación de Köppen-Geiger. Sobre estas zonas se han experimentado diferentes métodos de estimación de la biomasa. Para sobrepasar los límites del aprendizaje clásico por métodos paramétricos, se ha ensayado el uso de métodos no paramétricos mediante procesos gaussianos, utilizando el término proceso para referirse a una colección de variables aleatorias que se pueden definir a través de una densidad de probabilidad como una gaussiana. Al existir esta densidad de probabilidad no es necesario ajustar al mismo tiempo un gran número de parámetros, lo que restringe la capacidad de modelar con flexibilidad los coeficientes de las variables. Este método de aprendizaje automático es capaz de explicar un alto porcentaje de la variabilidad de la biomasa en un monte con distintas clases de estructura por edad siempre que la entrada de datos se halle segmentada, es decir, que se clasifique no sólo por los valores de biomasa sino por las condiciones de cobertura y tipo de formación recogidas en el inventario. Al haberse validado el método con dos sensores diferentes se ha podido aplicar este mismo método en dos fechas separadas varios años para evaluar el crecimiento de las masas forestales según haya mediado un tipo de gestión forestal o su ausencia. Se han podido determinar diferencias estadísticamente significativas en el crecimiento a pesar de que la distribución de valores de reflectividad para cada fecha no las tiene. Se ha evaluado la capacidad de este método en áreas donde las diferencias estructurales, de edad y de biomasa no son tan marcadas como en las masas adultas. En un regenerado post-incendio se han podido determinar las zonas de más densidad con el mismo método y sin segmentación de clases. Este trabajo se ha enfocado en la obtención de un método replicable que pueda ser de fácil aplicación incluso por técnicos sin formación avanzada y con la intención de ser una herramienta cotidiana para la gestión forestal. Para poder ser implementado en condiciones reales de uso por administraciones y empresas se ha utilizado un lenguaje de programación de libre acceso. El programa se ha configurado para que el usuario realice el mínimo procesado posible y se obtengan automáticamente los mapas de biomasa de la zona deseada.