Integrando teledetección e inventario multi-temporales a escala árbol (Eucalyptus) para predecir dinámica forestal y optimizar la gestión forestal en Mato Grosso, Brasil

Autores/as

  • Frederico Tupinamba Simoes Universidad de Valladolid
  • Juan Guerra-Hernández University of Lisbon
  • Adrian Pascual Universidad de Maryland
  • Felipe Bravo Universidad de Valladolid

DOI:

https://doi.org/10.31167/csecfv5i49.19934

Resumen

El establecimiento de especies arbóreas de rápido crecimiento (Eucalyptus spp.) es crucial para suministrar productos forestales a las economías en desarrollo. Sin embargo, la creciente frecuencia, gravedad y duración de las sequías amenazan la viabilidad de estos importantes ecosistemas. En Mato Grosso (Brasil), donde el estrés hídrico es el principal factor limitante del eucalipto, se registró en 2019 el segundo evento de sequía más grande de toda la serie histórica. Los datos del inventario forestal que comprenden miles de mediciones de árboles tomadas en 2019, 2020 y 2021 se han modelado utilizando modelos de efectos mixtos para identificar los factores más significativos que influyen en la mortalidad y la dinámica de crecimiento de los cuatro genotipos de eucalipto diferentes. Se utilizó un vehículo aéreo no tripulado (UAV) para obtener un mosaico de imágenes en el espectro visible -rojo, verde y azul (RGB)- a muy alta resolución (VHR), además de modelos digitales de superficie (DSM) y cálculos del índice de vegetación (VI), que se utilizaron en la clasificación de la mortalidad mediante una segmentación centrada en el objeto. Las tasas de crecimiento y mortalidad se vieron significativamente afectadas durante la sequía; el efecto de la sequía de 2019 fue más pronunciado en rodales con alta densidad de árboles. La selección del material genético y la densidad de plantación pueden utilizarse como factores silvícolas para gestionar más eficientemente las plantaciones forestales frente a los efectos del cambio climático, incluyendo los eventos de estrés hídrico extremo. Implicaciones: Este estudio ilustra la necesidad de ajustar las directrices silvícolas para reducir el impacto de la sequía en las plantaciones de Eucalyptus y cómo las tecnologías de teledetección, las mejoras genéticas y la investigación operativa aplicada pueden integrarse para mejorar la eficiencia y la resiliencia de las plantaciones de Eucalyptus y explorar los límites óptimos de productividad bajo el cambio global.

     

Biografía del autor/a

Juan Guerra-Hernández, University of Lisbon

 

   

Adrian Pascual, Universidad de Maryland

 

 

Felipe Bravo, Universidad de Valladolid

 

 

Citas

Barnes, E. M., Clarke, T. R., Richards, S. E., Colaizzi, P. D., Haberland, J., Kostrzewski, M., Waller, P., Choi C., R. E., Thompson, T., Lascano, R. J., Li, H., & Moran, M. S. 2000. Coincident detection of crop water stress, nitrogen status and canopy density using ground based multispectral data. Proc. 5th Int. Conf. Precis Agric, July 2015.

Bates, D., Mächler, M., Bolker, B. M., & Walker, S. C. 2015. Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 67(1). https://doi.org/10.18637/jss.v067.i01

Baty, F., Ritz, C., Charles, S., Brutsche, M., Flandrois, J. P., & Delignette-Muller, M. L. 2015. A toolbox for nonlinear regression in R: The package nlstools. Journal of Statistical Software, 66(5), 1-21. https://doi.org/10.18637/jss.v066.i05

Booth, T. H. 2013. Eucalypt plantations and climate change. Forest Ecology and Management, 301, 28-34. https://doi.org/10.1016/j.foreco.2012.04.004

Brook, B. W., Sodhi, N. S., & Bradshaw, C. J. A. 2008. Synergies among extinction drivers under global change. Trends in Ecology and Evolution, 23(8), 453-460. https://doi.org/10.1016/j.tree.2008.03.011

Buschmann, C., & Nagel, E. 1993. In vivo spectroscopy and internal optics of leaves as basis for remote sensing of vegetation. International Journal of Remote Sensing, 14(4), 711-722. https://doi.org/10.1080/01431169308904370

Chehata, N., Orny, C., Boukir, S., Guyon, D., & Wigneron, J. P. 2014. Object-based change detection in wind storm-damaged forest using high-resolution multispectral images. International Journal of Remote Sensing, 35(13), 4758-4777. https://doi.org/10.1080/01431161.2014.930199

dos Reis, G. G., Reis, M. D. G. F., Fontan, I. D. C. I., Monte, M. A., Gomes, A. N., & de Oliveira, C. H. R. 2006. Crescimento de raízes e da parte aérea de clones de híbridos de Eucalyptus grandis X Eucalyptus urophylla e de Eucalyptus camaldulensis X Eucalyptus spp submetidos a dois regimes de irrigaç ão no campo. Revista Arvore, 30(6), 921-931. https://doi.org/10.1590/S0100-67622006000600007

Foley, J. A., DeFries, R., Asner, G. P., Barford, C., Bonan, G., Carpenter, S. R., Chapin, F. S., Coe, M. T., Daily, G. C., Gibbs, H. K., Helkowski, J. H., Holloway, T., Howard, E. A., Kucharik, C. J., Monfreda, C., Patz, J. A., Prentice, I. C., Ramankutty, N., & Snyder, P. K. 2005. Global consequences of land use. Science, 309(5734), 570-574. https://doi.org/10.1126/science.1111772

Gonçalves, J., Pôças, I., Marcos, B., Mücher, C. A., & Honrado, J. P. 2019. SegOptim-A new R package for optimizing object-based image analyses of high-spatial resolution remotely-sensed data. International Journal of Applied Earth Observation and Geoinformation, 76(December 2018), 218-230. https://doi.org/10.1016/j.jag.2018.11.011

Grizonnet, M., Michel, J., Poughon, V., Inglada, J., Savinaud, M., & Cresson, R. 2017. Orfeo ToolBox: open source processing of remote sensing images. Open Geospatial Data, Software and Standards, 2(1), 15. https://doi.org/10.1186/s40965-017-0031-6

Guerra-Hernández, J., Cosenza, D. N., Rodriguez, L. C. E., Silva, M., Tomé, M., Díaz-Varela, R. A., & González-Ferreiro, E. 2018. Comparison of ALS- and UAV(SfM)-derived high-density point clouds for individual tree detection in Eucalyptus plantations. International Journal of Remote Sensing, 39(15-16), 5211-5235. https://doi.org/10.1080/01431161.2018.1486519

Guerra-Hernández, J., González-Ferreiro, E., Monleón, V. J., Faias, S. P., Tomé, M., & Díaz-Varela, R. A. 2017. Use of multi-temporal UAV-derived imagery for estimating individual tree growth in Pinus pinea stands. Forests, 8(8), 1-19. https://doi.org/10.3390/f8080300

Horn, B. K. P. 1981. Hill Shading and the Reflectance Map. Proceedings of the IEEE, 69(1), 14-47. https://doi.org/10.1109/PROC.1981.11918

Kataoka, T., & Okamoto, H. 2003. Crop Growth Estimation System Using Machine Vision. Aim, 1079-1083.

Kirilenko, A. P., & Sedjo, R. A. 2007. Climate change impacts on forestry. Proceedings of the National Academy of Sciences of the United States of America, 104(50), 19697-19702. https://doi.org/10.1073/pnas.0701424104

Laclau, J. P., Gonçalves, J. L. de M., & Stape, J. L. 2013. Perspectives for the management of eucalypt plantations under biotic and abiotic stresses. Forest Ecology and Management, 301(November 2011), 1-5. https://doi.org/10.1016/j.foreco.2013.03.007

Leblanc, S. 2018. Off-the-Shelf Unmanned Aerial Vehicles for 3D Vegetation Mapping. March.

Mao, W., Student, P. D., Wang, Y., & Wang, Y. 2003. Real-time Detection of Between-row Weeds Using Machine Vision. 0300(03).

Miranda, D. L. C., Lisboa, G. D. S., Silva, F. da, Sanquetta, C. R., Corte, A. P. D., & Condé, T. M. 2019. Crescimento de híbridos de eucalipto no estado de Mato Grosso. Advances in Forestry Science, 6(2). https://doi.org/10.34062/afs.v6i2.7360

Pena, R. F. 2018. ANÁLISE SILVICULTURAL DE CLONES DE EUCALIPTO E CARACTERÍSTICAS PRODUTIVAS DO PASTO EM SISTEMA SILVIPASTORIL, EM CORONEL PACHECO, MG.

Phillips, O. L., Aragão, L. E. O. C., Lewis, S. L., Fisher, J. B., Lloyd, J., López-González, G., Malhi, Y., Monteagudo, A., Peacock, J., Quesada, C. A., Van Der Heijden, G., Almeida, S., Amaral, I., Arroyo, L., Aymard, G., Baker, T. R., Bánki, O., Blanc, L., Bonal, D., … Torres-Lezama, A. 2009. Drought sensitivity of the amazon rainforest. Science, 323(5919), 1344-1347. https://doi.org/10.1126/science.1164033

R Core Team. 2020. R: A Language and Environment for Statistical Computing. {{ISBN} 3-900051-07-0}. http://www.r-project.org/

Rouse, J., Haas, R. H., Schell, J. A., & Deering, D. 1973. Monitoring vegetation systems in the great plains with ERTS.

Tomaštík, J., Mokroš, M., Surový, P., Grznárová, A., & Mergani?, J. 2019. UAV RTK/PPK method-An optimal solution for mapping inaccessible forested areas? Remote Sensing, 11(6). https://doi.org/10.3390/rs11060721

Verrelst, J., Schaepman, M. E., Koetz, B., & Kneubühler, M. 2008. Angular sensitivity analysis of vegetation indices derived from CHRIS / PROBA data. 112, 2341-2353. https://doi.org/10.1016/j.rse.2007.11.001

Wang, X., Wang, M., Wang, S., & Wu, Y. 2015. Extraction of vegetation information from visible unmanned aerial vehicle images. Nongye Gongcheng Xuebao/Transactions of the Chinese Society of Agricultural Engineering, 31, 152-159. https://doi.org/10.3969/j.issn.1002-6819.2015.05.022

Wang, Y., Soh, Y. S., & Schultz, H. 2006. Individual Tree Crown Segmentation in Aerial Forestry Images by Mean Shift Clustering and Graph-based Cluster Merging. International Journal of Computer Science and Network Security, 6(11), 40-45.

Wheeler, T. H. Æ. N. D. T. Æ. H. 2006. Automated crop and weed monitoring in widely spaced cereals. 21-32. https://doi.org/10.1007/s11119-005-6787-1

Wilson, M. F. J., O'Connell, B., Brown, C., Guinan, J. C., & Grehan, A. J. 2007. Multiscale terrain analysis of multibeam bathymetry data for habitat mapping on the continental slope. In: Marine Geodesy (Vol. 30, Issues 1-2). https://doi.org/10.1080/01490410701295962

Zhang, X., Zhang, F., Qi, Y., Deng, L., Wang, X., & Yang, S. 2019. New research methods for vegetation information extraction based on visible light remote sensing images from an unmanned aerial vehicle (UAV). International Journal of Applied Earth Observation and Geoinformation, 78(June 2019), 215-226. https://doi.org/10.1016/j.jag.2019.01.001

Descargas

Publicado

2023-05-23

Cómo citar

Tupinamba Simoes, F., Guerra-Hernández, J., Pascual, A., & Bravo, F. (2023). Integrando teledetección e inventario multi-temporales a escala árbol (Eucalyptus) para predecir dinámica forestal y optimizar la gestión forestal en Mato Grosso, Brasil. Cuadernos De La Sociedad Española De Ciencias Forestales, 49(1), 41-58. https://doi.org/10.31167/csecfv5i49.19934

Número

Vol. 49 Núm. 1 (2023): Cuadernos de la SECF

Sección

Premios Universitarios de la SECF (Convocatoria 2021)

Licencia

Derechos de autor 2023 Cuadernos de la Sociedad Española de Ciencias Forestales

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Las obras que se publican en esta revista están sujetas a los siguientes términos:

  1. Las obras se publican en edición electrónica, en acceso abierto y bajo una licencia Creative Commons Attribution-Non Comercial License 3.0. Se permite a otros distribuir, copiar o adaptar las obras así como crear obras derivadas siempre que se cite la autoría del trabajo y su publicación inicial en esta revista. No se permite el uso de estas obras ni de sus derivadas con fines comerciales.
  2. Los autores conservan los derechos de autor, garantizan a la revista el derecho de ser la primera publicación del trabajo y están de acuerdo con la licencia de uso utilizada por la revista, con las condiciones de autoarchivo y con la política de acceso abierto.
  3. Se permite y anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) ya que puede dar lugar a intercambios productivos, así como a una mayor citación de los trabajos publicados.