Detección de síntomas tempranos de decaimiento en bosques abiertos de encinas mediante imágenes satelitales de muy alta resolución espacial
DOI:
https://doi.org/10.17398/3101-7177.2.242Palabras clave:
Quercus ilex, salud forestal, Pleiades Neo, defoliación, pigmentosResumen
El seguimiento de la salud y productividad de los ecosistemas forestales es posible a partir de un conjunto muy diverso de técnicas que facilitan información a distintas escalas temporales y espaciales. Sin embargo, la integración de estas técnicas aún no se ha implantado de forma eficaz en redes de ámbito global. El proyecto SensOFOREST, en el que se enmarca este estudio, contribuye a la red europea “ForestWard Observatory” mediante la implementación de un sistema integrado de observación (SIO) compuesto por sensores terrestres equipados para la transmisión en tiempo real, así como datos multiescalares de teledetección (in situ, drones y satélites). El proyecto se centra en áreas de estudio representativas de dehesas de encina, donde la estructura de la vegetación supone un reto para el estudio del arbolado con imágenes de satélite. En este trabajo se describe la metodología y objetivos generales del proyecto y se presentan algunos resultados de las campañas experimentales realizadas en septiembre de 2024 y julio de 2025 en la estación experimental de Majadas de Tiétar (Cáceres). Los datos biofísicos y espectrales recopilados en estas campañas demuestran el potencial de las imágenes de satélite de muy alta resolución espacial Pléiades Neo para detectar síntomas tempranos de decaimiento, como la pérdida de masa foliar, en encinas potencialmente afectadas por patógenos presentes en el suelo como Phytophthora cinnamomi.
Descargas
Referencias
Badgley, G., Field, C.B., Berry & J.A. (2017). Canopy near-infrared reflectance and terrestrial photosynthesis. Science Advances (3). doi: 10.1126/sciadv.1602244
Buitrago, M., Groen, T., Hecker, C. & Skidmore, A. (2018). Spectroscopic determination of leaf traits using infrared spectra. International Journal of Applied Earth Observation and Geoinformation, (69). https://doi.org/10.1016/J.JAG.2017.11.014
Cos, J., Doblas-Reyes, F., Jury, M., Marcos, R., Bretonnière, P.A. & Samsó, M. (2022). The Mediterranean climate change hotspot in the CMIP5 and CMIP6 projections. Earth Syst. Dynam., (13). https://doi.org/10.5194/esd-13-321-2022
Gitelson, A.A., Kaufman, Y.J. & Merzlyak, M.N. (1996). Use of a green channel in remote sensing of global vegetation from EOS-MODIS. Remote Sensing of Environment, (58) https://doi.org/10.1016/S0034-4257(96)00072-7
Gitelson, A.A., Viña, A., Arkebauer, T.J., Rundquist, D., Keydan, G.P. & Leavitt, B. (2003). Remote estimation of leaf area index and green leaf biomass in maize canopies. Geophysical Research Letters, (30). http://dx.doi.org/10.1029/2002GL016450
Hernandez-Morcillo, M., Burgess, P., Mirck, J., Pantera, A. & Plieninger, T. (2018). Scanning agroforestry-based solutions for climate change mitigation and adaptation in Europe. Environmental Science & Policy, (80). 10.1016/j.envsci.2017.11.013
Huete, A.R., Liu, H.Q., Batchily, K. & Van Leeuwen, W. (1997). A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote Sensing of Environment, (59). https://doi.org/10.1016/S0034-4257(96)00112-5
Rondeaux, G., Steven, M. & Baret, F. (1996) Optimization of Soil-Adjusted Vegetation Indices. Remote Sensing of Environment, (55). https://doi.org/10.1016/0034-4257(95)00186-7
Rouse, J.W., Haas, R.H., Schell, J.A. & Deering, D.W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. In S.C. Freden, E.P. Mercanti, & M.A. Becker (Eds.), Third Earth Resources Technology Satellite- 1 Symposium (pp. 301–317). Greenbelt, MD, USA: NASA
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 M. Pilar Martín, Rosario González-Cascón, Vicente Burchard-Levine, Lucía Casillas-Martínez, Javier Pacheco-Labrador, Georg Bareth (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)
