Clasificación de matorral xerófilo con IA y drones
En México el ecosistema de matorral xerófilo es muy importante ecológica y socioeconómicamente, ya que de este se obtienen diversos productos forestales no maderables (PFNM), como ceras, fibras y alimentos, así como productos maderables, entre ellos leña para combustible; en cuanto a superficie abarca las zonas áridas y semiáridas (35.9 y 20.3 millones de hectáreas, respectivamente) y en conjunto representa el 40.8 % de la superficie forestal total del país.
Uno de los problemas persistentes es el rezago en el conocimiento de los elementos fundamentales para planificar la conservación y aprovechamiento del ecosistema de matorral xerófilo bajo principios de gestión sostenible. Esta situación se debe, en gran medida, a la complejidad estructural y a la alta diversidad de especies de porte bajo que lo conforman. Además, la cuantificación y clasificación de la vegetación forestal presentan limitaciones metodológicas, ya que el recurso no maderable de interés varía entre especies, lo que dificulta la generación de inventarios precisos y comparables.
Por lo anterior, ahora se utilizan nuevos equipos y herramientas modernas de fusión de datos ópticos (imágenes RGB/multiespectrales) y LiDAR (nubes de puntos 3D) capturados por drones, potenciada por el aprendizaje automático (Machine Learning), que está revolucionando la teledetección. Esta combinación permite obtener réplicas digitales 3D de alta precisión con información a color, detallada y útil en la silvicultura.
La gestión sostenible de los ecosistemas desempeña un papel fundamental en la preservación de sus recursos maderables o no maderables. Para llevar a cabo esta tarea, es necesario contar con información precisa sobre su estructura y composición. Por ello, la integración de datos de sensores remotos al proceso de inventario de vegetación forestal puede resultar eficiente y eficaz en la cuantificación del recurso, un insumo esencial para la planificación sostenible de la cosecha de materias primas forestales. Esto también podría resultar en una reducción significativa de la inversión necesaria para la ejecución del inventario, especialmente en áreas extensas.
En este contexto, esta nueva tecnología se basa en identificar y clasificar especies de matorral xerófilo de regiones áridas-semiáridas mediante la combinación de datos de sensores remotos multiespectrales, RGB y LiDAR recopilados por drones y analizados con algoritmos de aprendizaje automático. Esto permite clasificar especies de matorral con una precisión de alrededor de 64 %, que en este tipo de ecosistemas es alto por la complejidad de estructuras que se encuentran. Además, la precisión mínima a nivel de especies es de 55 %. Los valores para cada especie y grupo arbustivo son del 73 % (Euphorbia antisyphilitica), 70 % (Opuntias), 67 % (Palmas), 65 % (Larrea tridentata), 59 % (Arbóreas y Arbustos) y 55 % (Agave lechuguilla).
Pie de figura: Clasificación de individuos por especies y grupos arbustivos de un matorral xerófilo del Ejido Hipolito, Ramos Arizpe, Coahuila, a partir de datos de sensores remotos y el método de Random Forest.
Con el uso de esta metodología investigadores del INIFAP han logrado identificar especies con una precisión de moderada a alta; además de mapear de manera detallada la distribución espacial de “individuos”, lo que permite implementar estrategias de gestión forestal específicas para cada especie, optimizando el aprovechamiento sostenible de los recursos forestales maderables y no maderables. Asimismo, posibilita cuantificar con mayor precisión el número total de individuos susceptibles de aprovechamiento, reduciendo significativamente el esfuerzo operativo y los tiempos requeridos en los inventarios forestales. Esto, a su vez, incrementa la exactitud de la información generada y fortalece la toma de decisiones para la conservación y manejo sostenible del ecosistema.
Pie de figura: Vista de especies arbustivas mediante nube de puntos LiDAR (a), imagen multiespectral (b) e imagen RGB (c). Equipos de adquisición de datos: DJI Matrice 300 RTK con Zenmuse L1 (d) y DJI Phantom 4M (f).
Más información
Dr. Adrián Hernández Ramos
Investigador del INIFAP
Campo Experimental Saltillo
Correo: [email protected]
Tel. 595-102-4102.
Esta tecnología está publicada en: Hernández-Ramos, A., Valdez-Lazalde, J. R., De Los Santos-Posadas, H. M., Reyes-Hernández, V. J., López-Serrano, P. M., Cano-Pineda, A., & Flores-Magdaleno, H. (2025). Classification of xeric scrub forest species using machine learning and optical and LiDAR drone data capture. iForest, 18(6): 357-365. https://doi.org/10.3832/ifor4720-018
