Ante el cambio climático global y el aumento de las actividades humanas, los bosques de todo el mundo se ven amenazados por diversas plagas, patógenos y enfermedades. Estas amenazas comprometen la salud, la resiliencia y la productividad tanto de los bosques naturales como de las plantaciones forestales.
Gestionar estos problemas de forma eficaz requiere una detección y actuación tempranas, lo cual resulta complejo en grandes extensiones de terreno. Conscientes de la importancia de esto, los investigadores han desarrollado nuevas tecnologías basadas en datos de observación de la Tierra para monitorear y gestionar la degradación forestal.
Un estudio reciente presenta un método basado en aprendizaje automático para identificar bosques dañados utilizando imágenes de teledetección de código abierto de Sentinel-2, con el apoyo de datos de Google Earth. Este método se centra específicamente en los bosques boreales afectados por el escarabajo de la corteza Polygraphus proximus Blandford.
El estudio utilizó una combinación de imágenes de teledetección y algoritmos de aprendizaje automático para detectar y evaluar los daños forestales. A continuación, un breve resumen de su metodología y conclusiones:
- Anotación de imágenes y desarrollo de algoritmos: Los investigadores comenzaron anotando imágenes en canales que corresponden a la percepción natural del color (rojo, verde y azul) disponibles en Google Earth. Luego aplicaron redes neuronales profundas en dos formulaciones del problema: segmentación semántica y detección.
- Resultados experimentales: Mediante sus experimentos, los investigadores desarrollaron un modelo que evalúa cuantitativamente los cambios en los objetos objetivo con alta precisión. El modelo alcanzó una puntuación F1 de 84,56%, determinando eficazmente el número de árboles dañados y estimando las áreas ocupadas por masas forestales marchitas.
- Integración con imágenes de Sentinel-2: Las máscaras de daños obtenidas a partir de las imágenes de alta resolución se integraron con imágenes Sentinel-2 de resolución media. Esta integración alcanzó una precisión de 81,26%, lo que hace que la solución sea adecuada para sistemas de monitoreo operativo. Este avance ofrece un método rápido y rentable para identificar bosques dañados en la región.
- Conjunto de datos anotados único: Además, los investigadores recopilaron un conjunto de datos anotados único para identificar las áreas forestales dañadas por el escarabajo poligrafista en la región de estudio. Este conjunto de datos es invaluable para futuras investigaciones y labores de monitoreo.
La detección temprana y la cuantificación de la degradación forestal mediante este enfoque de fusión de datos de teledetección ofrecen grandes posibilidades para las estrategias de gestión y conservación forestal. Al permitir una actuación oportuna, estas tecnologías pueden ayudar a limitar la propagación de los daños y a fomentar prácticas de gestión forestal sostenibles.
Aunque el artículo completo que detalla esta investigación aún no se ha publicado, este resumen preliminar destaca el potencial de integrar datos de teledetección con técnicas avanzadas de aprendizaje automático para abordar el acuciante problema de la degradación forestal. A medida que estas tecnologías sigan evolucionando, desempeñarán un papel crucial en la protección de nuestros bosques frente a las crecientes amenazas que plantean el cambio climático y las actividades humanas.
Estén atentos a la publicación completa de esta innovadora investigación, que sin duda aportará nuevos conocimientos y aplicaciones en el campo de la gestión forestal.
Teledetección
English 
German 
Ukrainian 
French 
Kazakh 
Portuguese 
Spanish 
Arabic 
Swedish 
Serbian 
Romanian 
Norwegian 
Finnish 
Lithuanian 
Estonian 
Latvian 
Croatian 
Slovenian 
Slovak 
Japanese 
Polish 