Si ya eres usuario, accede...

Recordarme

¿No recuerdas tu contraseña?
Accede con redes sociales...
Si todavía no eres usuario, regístrate...

¡Regístrate ahora! para recibir los titulares del día en tu e-mail.

¡Regístrate ahora! para poder comentar noticias, participar en sorteos y concursos.

Menú Accede
Si ya eres usuario, accede...

Recordarme

¿No recuerdas tu contraseña?
Accede con redes sociales...
Si todavía no eres usuario, regístrate...

¡Regístrate ahora! para recibir los titulares del día en tu e-mail.

¡Regístrate ahora! para poder comentar noticias, participar en sorteos y concursos.

SORIA

El clasificador infalible para los pinos

Una investigadora soriana desarrolla un método automático y preciso de teledetección para diferenciar en bosques mixtos entre las especies de piñonero y negral y evaluar la producción de subproductos forestales

N. F.
08/10/2019

 

El aprovechamiento de algunos subproductos forestales se ha convertido en un recurso económico fundamental para la pervivencia de algunas zonas rurales de Castilla y León, porque su valor en el mercado ya supera al de la madera. Dentro de estos subproductos se encuentran el piñón y la resina. El primero se obtiene del Pinus pinea (pino piñonero) y la segunda del Pinus Pinaster (pino negral). Dos especies coníferas que son muy similares entre ellas y que en muchos bosques coexisten juntas.

La posibilidad de poder diferenciar el número de pies de cada una de estas dos especies en grandes masas forestales es una demanda que cada vez se hace más patente entre los propietarios de bosques de cara a conocer las estimaciones de producción de estos valorados productos como son el piñón y la resina.

Para ayudar a recabar estos datos un grupo de investigadores, entre ellos una soriana, Ángela Blázquez, ha desarrollado un método de teledetección que permite diferenciar el pino piñonero y el pino negral a título individual en bosques mixtos, de manera automática y con bastante precisión.

Este estudio forma parte de la tesis doctoral de esta ingeniera de montes, que está especializada en sistemas de información geográfica y teledetección. Para ello empleó, una muestra de la base de datos del Instituto Nacional de Investigación y Tecnología Agraria (INIA) de parcelas con estas dos especies de pinos. El INIA tiene en su base de datos abundantes parcelas monitorizadas de cada una de las especies y también de masas mixtas, que tienen los dos tipos de pinos, ubicadas principalmente en la Meseta Norte española.

A partir de ahí, en una primera fase del estudio, Ángela Blázquez, recopiló datos de sensores remotos, correspondientes a datos LiDAR de baja densidad (tomados desde aviones aerotransportados) a los que sumó imágenes del satélite Pleiades de alta resolución. Los datos LiDAR ofrecen información para caracterizar la estructura de los árboles con precisión, en el caso del pino piñonero los árboles tienen una copa muy aparasolada con un pie libre de ramas y en el caso del negral la copa ofrece una forma más piramidal que puede llegar al suelo. Por otra parte, las imágenes captadas a través del satélite tienen una resolución espacial alta y ofrecen información relacionada con la capacidad fotosintética, el estado de desarrollo de las plantas y su textura.

Una vez recogidos los datos de estos dos sensores y mediante una técnica de aprendizaje automático, denominada ‘Random Forest’ se procedió a un entrenamiento de los datos recogidos de las masas puras correspondientes al pino piñonero y al pino negral, «con el objetivo de determinar qué variables nos permiten obtener mejor la mejor discriminación entre grupos» , explica Ángela Blázquez.

El ‘Random Forest’ permite generar modelos a gran escala y manejar una gran cantidad de datos en grandes superficies arbóreas. Blázquez puntualiza que sin esta herramienta se tendría que hacer un trabajo en el bosque y a pie, tomando nota de cada árbol individual y de su posición.
En la segunda fase del trabajo, se procedió a validar el mejor de los modelos probados anteriormente clasificando a los pinos en masas mixtas y en puras.

La investigación se ha enfrentado a la gran semejanza que existe entre el pino piñonero y el negral y además cuando coexisten en el mismo territorio presentan una elevada competencia ecológica y «parece que la plasticidad del piñonero hace que se homogeneicen en cuanto a estructura y respuesta espectral», puntualiza Blázquez.

El resultado obtenido ha permitido una clasificación de las dos especies de pinos en masas mixtas que ha sido «satisfactoria», puntualiza Blázquez. El modelo combinado, que se construyó aplicando la técnica de aprendizaje automático ofreció una precisión del 63% a la hora de discriminar pinos de cada una de estas especies en bosques mixtos y se elevó hasta el 83% cuando se realizó en masas puras de cada una de las especies. En este sentido, la investigadora subraya que la gestión forestal no se realiza a nivel de árbol individual, sino de masa y a gran escala, «por lo que la compensación de errores en cuanto a clasificar las dos especies en las masas mixtas a nivel de rodal, muestra que la fortaleza del modelo recae en que ha sido entrenado en masas puras».

De esta manera, la recopilación de resultados con estas herramientas tecnológicas permite establecer, según la autora del estudio, que la caracterización de la especie en los modelos de entrenamiento «ha sido inequívoca y puede hacerse sin necesidad de realizar un exhaustivo trabajo de campo».
Ángela Blázquez determina que la combinación de la información procedente del LiDAR y del satélite, mediante el algoritmo de aprendizaje automático es capaz de discriminar entre las dos especies de coníferas tan similares «aportando valor añadido a los productos forestales y ofreciendo una herramienta útil para los gestores».

La investigadora cree que este estudio puede ampliarse tomando una muestra mayor de árboles y someterlos al modelo de entrenamiento, para mejorar la discriminación de las especies, además «sería muy interesante incluir en este tipo de trabajos información procedente de imágenes hiperespectrales o radar de satélites libres como Sentinel, con el objetivo de mejorar el poder discriminatorio entre especies y calibrar este tipo de datos más reciente», puntualiza Ángela Blázquez.

Para la realización de este estudio, la investigadora e ingeniera soriana ha contado con la colaboración de investigadores de centros especializados en este sector, como el Instituto Universitario en Gestión Forestal Sostenible (iuFor) del Campus de Soria de la Universidad de Valladolid, del Centro de Investigación Forestal (CIFOR-INIA), el Campus de Soria, dependiente de la Universidad de Valladolid y el departamento de Educación del Gobierno vasco.

Última hora

© Copyright Editorial Castellana de Impresiones SL
C/ Manuel Canesi Acevedo, 1. 47016 Valladolid. España
Contacte con nosotros: local.va@dv-elmundo.es

Editorial Castellana de Impresiones SL se reserva todos los derechos como autor colectivo de este periódico y, al amparo del art. 32.1 de la Ley de Propiedad Intelectual, expresamente se opone a la consideración como citas de las reproducciones periódicas efectuadas en forma de reseñas o revista de prensa. Sin la previa autorización por escrito de la sociedad editora, esta publicación no puede ser, ni en todo ni en parte, reproducida, distribuida,comunicada públicamente, registrada o transmitida por un sistema de recuperación de información, ni tratada o explotada por ningún medio o sistema, sea mecánico, fotoquímico, electrónico, magnético, electro óptico, de fotocopia o cualquier otro en general.

Edigrup Media: Diario de León | Diario de Valladolid | El Correo de Burgos | Heraldo-Diario de Soria