2.5.1 Justificación
Los estudios de campo tradicionales son esenciales para la verificación de campo, pero están limitados por el costo, el tiempo y el acceso físico, y a menudo producen una representación espacial limitada. Para satisfacer las demandas espaciales o temporales de la restauración del paisaje forestal a gran escala (Chazdon et al., 2016), es importante aprovechar los enfoques de teledetección capaces de producir mediciones repetibles de alta resolución de la estructura, composición y cambio forestal en áreas extensas e inaccesibles (Valbuena et al., 2020). Entre las herramientas más poderosas en este dominio se encuentra LiDAR (Light Detection and Ranging), que permite la caracterización tridimensional detallada de la estructura del dosel y subdosel forestal (Valbuena et al., 2017). Las métricas derivadas de LiDAR, como la altura del dosel, la fracción de claros y la diversidad de la altura del follaje, son indicadores confiables de propiedades ecológicas clave como la biomasa aérea, el estadio sucesional y la idoneidad del hábitat. Además, el LiDAR permite cuantificar la diversidad estructural y la heterogeneidad, propiedades difíciles de medir manualmente, pero esenciales para la conservación de la biodiversidad, la amortiguación microclimática y la resiliencia ecológica (Valbuena et al., 2012). Por ejemplo, el coeficiente de Gini y la asimetría de Lorenz (Bourdier et al., 2016), así como los momentos L derivados de las distribuciones de altura del LiDAR, pueden utilizarse para describir la desigualdad en el tamaño de los árboles, la estratificación del dosel y la disponibilidad de luz; factores estrechamente vinculados a los nichos de regeneración y la idoneidad del hábitat para las especies dependientes del bosque (Toivonen et al., 2023). Estos datos ahora pueden recopilarse desde múltiples plataformas, como vehículos aéreos no tripulados (UAV), aeronaves pilotadas y escáneres láser terrestres, cada uno adaptado a diferentes escalas y resoluciones espaciales. Además, las imágenes multiespectrales aéreas o satelitales de sensores como Sentinel-2 y Landsat-8 complementan el LiDAR al capturar la dinámica temporal de la salud de la vegetación, la fenología y la cobertura terrestre que han demostrado ser útiles para monitorear el vigor de la vegetación y evaluar los procesos de recuperación temprana durante la restauración (Valbuena et al., 2025).
2.5.2 Métodos de encuesta
En el proyecto SUPERB, adoptamos una estrategia integrada de teledetección que combina imágenes LiDAR, multiespectrales y satelitales para construir líneas de base consistentes y escalables y monitorear el desarrollo forestal a lo largo del tiempo. Nuestro enfoque se basó en las mejores prácticas descritas en la literatura y se ajusta a los estándares emergentes para el monitoreo de la estructura de los ecosistemas (Wang et al., 2024). Cada fuente de datos se seleccionó por su idoneidad para una escala espacial, resolución o enfoque ecológico específicos, en consonancia con las recomendaciones de Valbuena et al. (2020).
Despliegue de plataforma.
- Se realizaron levantamientos aéreos LiDAR utilizando vehículos aéreos no tripulados (UAV) equipados con sensores LiDAR ligeros para adquirir datos de nube de puntos 3D de alta densidad sobre parcelas de restauración seleccionadas. La planificación del vuelo garantizó una superposición adecuada y una densidad de puntos (>10 pts/m²) para un modelado fiable de la cubierta vegetal y el terreno.
- Se implementó el escaneo láser terrestre (TLS) en parcelas seleccionadas utilizando sistemas LiDAR estáticos o portátiles para capturar la estructura detallada del sotobosque y la cubierta forestal. Estas nubes de puntos de alta resolución (hasta 50 000 puntos/m²) se utilizaron para validar las métricas derivadas del LiDAR aerotransportado y evaluar la complejidad dentro del rodal.
- Se recopilaron imágenes multiespectrales mediante drones equipados con sensores calibrados que capturan las bandas del espectro visible, el borde rojo y el infrarrojo cercano. Los vuelos se realizaron bajo condiciones de iluminación y fenológicas estandarizadas para garantizar la comparabilidad, y se utilizaron para calcular índices de vegetación como NDVI, NDRE y EVI con resoluciones espaciales de ~10–20 cm.
- Se obtuvieron datos satelitales de Sentinel-2 (10-20 m) y Landsat-8 (30 m) a través de las plataformas Copernicus Open Access Hub y USGS Earth Explorer. Se seleccionaron escenas sin nubes de varios años y fases fenológicas para respaldar el análisis de series temporales de la recuperación de la vegetación, el uso del suelo y los cambios en la cubierta forestal.
La selección de parcelas para las campañas de UAV y TLS se estratificó según los tipos de restauración (p. ej., pasiva vs. activa), la edad de los rodales y los tratamientos de gestión. Se realizaron análisis satelitales en áreas de demostración completas utilizando zonas de amortiguamiento de parcelas y unidades de paisaje armonizadas. La recopilación de datos se limitó a finales de primavera y verano para minimizar la variabilidad estacional y maximizar la visibilidad del dosel.
2.5.3 De la recopilación de datos a la presentación de informes de datos
Al procesar diferentes tipos de datos LiDAR junto con imágenes multiespectrales y satelitales para evaluar la altura y la estructura del dosel forestal, los usuarios deben considerar cuidadosamente varios factores clave que influyen directamente en la precisión de las métricas derivadas. El tipo de sistema LiDAR (aéreo, terrestre o móvil) determina la densidad de puntos y la precisión vertical, factores cruciales para modelar con precisión la altura del dosel, la estratificación y la complejidad vertical. La alta densidad de puntos y los múltiples retornos del LiDAR aéreo, por ejemplo, permiten una caracterización detallada de la cima del dosel, la mitad del dosel y la elevación del suelo, lo que facilita cálculos precisos de los modelos de altura del dosel y los perfiles de follaje (Roussel et al., 2020). La alineación temporal entre el LiDAR y las imágenes ópticas es esencial, ya que los cambios fenológicos pueden afectar la reflectancia del dosel y la interpretación estructural. Las imágenes multiespectrales y satelitales aportan información espectral valiosa sobre la salud de la vegetación, la diferenciación de especies y el índice de área foliar, que complementa la información estructural del LiDAR. Sin embargo, estos conjuntos de datos deben estar alineados geométricamente y corregidos radiométricamente para garantizar una fusión fiable. Los sistemas de coordenadas, la resolución de los datos y la calibración de los sensores afectan el proceso de integración y la precisión espacial de las métricas forestales. La elección de las técnicas de preprocesamiento, como el filtrado de puntos de suelo y la interpolación de la superficie del dosel, también influye significativamente en el modelado estructural. En definitiva, se requiere un flujo de trabajo de procesamiento coherente para convertir los datos brutos en métricas precisas y procesables de la altura y la estructura del dosel (Loke y Chisholm, 2022).
