Clasificación automatizada basada en series temporales y variables estructurales a partir de sensores remotos (S2, S1 y LiDAR).
DOI:
https://doi.org/10.17398/3101-7177.2.224Palabras clave:
Fusión de Datos, Inventario nacional, Fenología, Periodograma, RFECV, RetrodispersiónResumen
La clasificación precisa de las masas forestales es esencial para la gestión sostenible y la modelización de riesgos naturales. Este estudio evalúa la capacidad de discriminación de tres especies forestales (Pinus sylvestris, Quercus pyrenaica y Fagus sylvatica) en el Monte de Utilidad Pública de Villoslada de Cameros (La Rioja), mediante un enfoque de teledetección multitemporal y multisensor. Se integraron datos ópticos (Sentinel-2), de radar (Sentinel-1) y estructurales (LiDAR-PNOA) para caracterizar la fenología y estructura de la vegetación. La metodología partió de parcelas monoespecíficas del Inventario Forestal Nacional (IFN4) y datos locales, aplicando un sobremuestreo espacial mediante puntos aleatorios para corregir el desbalanceo de clases entre coníferas y frondosas. Tras generar un vector de 416 características, se utilizó el algoritmo de Eliminación Recursiva de Características con Validación Cruzada (RFECV) para seleccionar las 20 variables más robustas, optimizando el modelo. Los resultados mostraron una precisión global del 96,1%, identificando como predictores críticos la banda del Red-Edge (B6), el índice de Verdor del Tasseled Cap (TCG) y la polarización VH. Aunque la separación entre coníferas y frondosas fue excelente, se observó una ligera confusión entre las especies de frondosas debido a su similitud fenológica. Se concluye que las series temporales y las variables estructurales podrían ser determinante para mejorar la precisión en la automatización de la identificación de especies en inventarios forestales a gran escala.
Descargas
Referencias
Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2016). Time series analysis: forecasting and control. John Wiley & Sons, Inc.
Esteban Cava, J., González, I., & Tomé, J. L. (2025). Discriminación de especies de pino mediante imágenes satelitales de Sentinel-2 y PRISMA en el distrito forestal Terra de Lemos. http://prisma-i.it/index.php/en.
Immitzer, M., Vuolo, F., & Atzberger, C. (2016). First experience with Sentinel-2 data for crop and tree species classifications in central Europe. Remote Sensing, 8(3). https://doi.org/10.3390/rs8030166
Maxwell, A. E., Warner, T. A., & Fang, F. (2018). Implementation of machine-learning classification in remote sensing: an applied review. International Journal of Remote Sensing, 39(9), 2784–2817. https://doi.org/10.1080/01431161.2018.1433343
Persson, M., Lindberg, E., & Reese, H. (2018). Tree Species Classification with Multi-Temporal Sentinel-2 Data. Remote Sensing, 10(11), 1794. https://doi.org/10.3390/rs10111794
Recuero, L., Litago, J., Pinzón, J. E., Huesca, M., Moyano, M. C., & Palacios-Orueta, A. (2019). Mapping Periodic Patterns of Global Vegetation Based on Spectral Analysis of NDVI Time Series. Remote Sensing, 11(21), 2497. https://doi.org/10.3390/rs11212497
Sáenz, C., Cicuéndez, V., García, G., Madruga, D., Recuero, L., Bermejo-Saiz, A., Litago, J., de la Calle, I., & Palacios-Orueta, A. (2024). New Insights on the Information Content of the Normalized Difference Vegetation Index Sentinel-2 Time Series for Assessing Vegetation Dynamics. Remote Sensing, 16(16). https://doi.org/10.3390/rs16162980
Shaban, A. (2022). Fundamentals of Satellite Remote Sensing (pp. 1–14). https://doi.org/10.1007/978-3-031-15549-9_1
Woodhouse, I. H., Mitchard, E. T. A., Brolly, M., Maniatis, D., & Ryan, C. M. (2012). Radar backscatter is not a “direct measure” of forest biomass. Nature Climate Change, 2(8), 556–557. https://doi.org/10.1038/nclimate1601
Wulder, M. A., White, J. C., Nelson, R. F., Næsset, E., Ørka, H. O., Coops, N. C., Hilker, T., Bater, C. W., & Gobakken, T. (2012). Lidar sampling for large-area forest characterization: A review. Remote Sensing of Environment, 121(47), 196–209. https://doi.org/10.1016/j.rse.2012.02.001
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Tomás Pugni Stanek, Isabel González González, José Luis Tomé Morán, Jessica Esteban Cava, Nur Algeet Abarquero , Laura Recuero Pavón , Silvia Merino De Miguel (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todo el contenido disponible en el Portal de Revistas-UEx se distribuye bajo una licencia Creative Commons: Atribución 4.0 Internacional (CC BY 4.0)
