Cartografía de la estructura forestal en el paisaje

¿Qué es la biomasa?

La biomasa puede definirse como la masa seca en pie de materia viva o muerta procedente de plantas leñosas, y suele expresarse como masa por unidad de superficie (por ejemplo, Megagramos por hectárea: Mg ^ha-1). Es una variable esencial utilizada para controlar el carbono liberado y secuestrado por los ecosistemas forestales, ya que aproximadamente el 50% de la biomasa es carbono. En este artículo nos referimos a la biomasa aérea, ya que es la única parte que podemos "ver" utilizando la tecnología de teledetección por satélite. 

Medición de la biomasa forestal

Medir la biomasa de árboles y arbustos no es fácil. De hecho, la única forma de medir directamente la biomasa es mediante un muestreo destructivo, en el que se cortan y pesan los árboles y arbustos. Este método destructivo lleva mucho tiempo, es costoso y contraproducente, ya que queremos mantener el carbono en la vegetación en lugar de devolverlo a la atmósfera (lo que probablemente ocurrirá con los árboles talados con el tiempo). Sin embargo, este método es necesario para desarrollar modelos alométricos. Las alometrías se utilizan para estimar la biomasa a partir de parámetros fáciles de medir, como el diámetro y la altura de los árboles. Se basan en la teoría de la escala biológica y describen las dependencias de los organismos vivos en términos de masa corporal, tamaño y forma. Los modelos alométricos se utilizan en los inventarios forestales tradicionales para calcular la biomasa arbórea. Los inventarios forestales se basan en el establecimiento de parcelas de campo sobre la región de interés para estimar estadísticas forestales de gran superficie. Sin embargo, muchos países tropicales ricos en bosques no llevan a cabo programas de inventarios forestales, o apenas están empezando a ponerlos en práctica, debido a la lejanía de los lugares y a los costes que conllevan.

Al medir la biomasa forestal mediante métodos tradicionales de inventario forestal, estamos expuestos a varias fuentes de error, como las derivadas de la medición manual de las dimensiones de los árboles, las estrategias de muestreo y los modelos alométricos. Las estimaciones alométricas de la biomasa suelen estar sesgadas(Demol et al. 2022), con diferencias del 15%(Burt et al, 2021) o incluso de hasta el 30%(Calders et al, 2015, González de Tanago et al, 2018). Las parcelas de los inventarios forestales se miden durante largos períodos de tiempo (por ejemplo, ciclos de 5 años), utilizando diferentes metodologías, diseños de muestreo, tamaños/formas y operadores, lo que puede dar lugar a grandes discrepancias al evaluar diferentes proyectos y regiones. Además, carecemos de datos de referencia de muchas zonas de los bosques del mundo debido a su inaccesibilidad y/o a su elevado coste. Esto hace que el acceso a datos de referencia de buena calidad sea uno de los principales retos a la hora de supervisar las reservas de biomasa.

Por ello, solemos evitar el término "datos reales" y preferimos el de "datos de referencia". Los datos de referencia son cruciales en la teledetección y la ciencia de datos, ya que para cualquier modelo que desarrolle, siempre se aplica la regla empírica "la basura que entra es igual a la basura que sale". Por ello, en Sylvera prestamos especial atención a nuestros datos de referencia.

Nuestro intento de construir el mejor conjunto de datos de referencia: lidar multiescala

Para ello, visitamos bosques de todo el mundo y los escaneamos con láser desde tierra y aire utilizando nuestros métodos lidar multiescala (MSL) patentados. Recopilamos datos en 3D (es decir, nubes de puntos) sobre el terreno con nuestros escáneres láser terrestres (TLS). Estos escáneres pueden registrar la estructura de los árboles con una precisión milimétrica, hasta las ramitas y las hojas. También recopilamos datos similares con nuestros escáneres láser aerotransportados (ALS) montados en vehículos aéreos no tripulados (UAV), lo que nos permite recoger datos sobre zonas más extensas.

Estos nuevos conjuntos de datos contienen gran cantidad de información sobre la estructura de los bosques y la biomasa aérea. La extracción de datos sobre árboles individuales nos permite reconstruir y modelizar cuidadosamente parámetros a escala arbórea como la biomasa aérea. Podemos medir la biomasa de los árboles con un margen de error potencialmente tan bajo como el 3%(Burt et al, 2021) en comparación con las mediciones destructivas de los árboles (frente al error de hasta el 30% mencionado anteriormente cuando se utilizan alometrías). Con esta tecnología MSL pretendemos crear el conjunto de datos de biomasa de referencia más preciso jamás reunido. Podemos escanear hasta 50.000 hectáreas de bosque en una campaña de campo MSL. Los datos de referencia MSL pueden producirse a diferentes resoluciones espaciales, lo que permite una mejor ampliación de los datos mediante imágenes de satélite. Utilizando los datos de biomasa del MSL también podemos crear nuestra propia calibración de biomasa de huellas LiDAR espaciales adquiridas por el sensor de Investigación de la Dinámica de los Ecosistemas Globales (GEDI), y mejorar nuestro conjunto de datos de referencia.

¿Cómo podemos ampliar nuestras mediciones de biomasa a otros periodos de tiempo y a zonas más extensas?

Nuestra tecnología MSL puede medir la biomasa con una precisión increíble, pero la superficie que podemos cubrir y el número de veces que podemos medir están limitados por el tiempo que podemos dedicar a recopilar datos y el coste de llevar a cabo esta actividad (unas decenas de miles de hectáreas por campaña de campo). La tecnología de teledetección por satélite es crucial para controlar las reservas de biomasa porque nos permite hacerlo con mayor frecuencia (por ejemplo, anualmente), a lo largo de periodos de tiempo más largos (por ejemplo, desde el año 2000 hasta la actualidad) y en escalas espaciales mayores (por ejemplo, jurisdicciones regionales/nacionales) en comparación con los inventarios forestales. Las normas actuales de contabilidad del carbono se basan en el uso de imágenes por satélite para detectar actividades dentro de los proyectos de compensación de carbono (por ejemplo, deforestación, nuevas plantaciones forestales) y combinarlas con valores medios de biomasa o factores de emisión de carbono para determinar la cantidad de carbono almacenada por los bosques y la cantidad de carbono liberada por cada actividad. Estos valores medios se calculan a nivel de proyecto cada 5-10 años y se basan en mediciones manuales de parcelas de campo. Desgraciadamente, el periodo entre mediciones es tan largo que puede pasar desapercibida una gran cantidad de cambios debidos a perturbaciones forestales (es decir, emisiones). La mayoría de las veces, este tipo de trabajo presenta importantes deficiencias de muestreo (por ejemplo, muy pocas muestras) debido al coste, la intensidad de la mano de obra y la inaccesibilidad de algunas zonas remotas. Además, los valores medios son un descriptor cada vez más pobre a medida que aumenta la varianza (especialmente en relación con las deficiencias de muestreo antes mencionadas), y la mayoría de los bosques que nos interesan presentan muchas varianzas estructurales, que pueden tener un impacto considerable en la estimación de las reservas de biomasa y las emisiones de carbono. 

Las parcelas de los inventarios forestales nunca se diseñaron para ser utilizadas en combinación con píxeles procedentes de observaciones por satélite. Los datos recogidos manualmente sobre el terreno pueden diferir enormemente de las mediciones remotas por satélite en cuanto a resolución espacial y cobertura, por lo que suelen introducirse discrepancias al intentar generar productos derivados de la teledetección de pared a pared. En Sylvera, entrenamos nuestros modelos utilizando nuestros avanzados conjuntos de datos de referencia basados en MSL y nuestros datos GEDI calibrados internamente con las mejores imágenes de satélite disponibles públicamente, lo que nos permite eliminar o minimizar estas discrepancias al entrenar nuestros modelos. 

Ampliamos nuestras estimaciones de biomasa a grandes áreas y escalas temporales utilizando un radar de apertura sintética (SAR) de longitud de onda larga, que puede "ver" a través de las nubes y tiene una alta sensibilidad a la biomasa, e imágenes ópticas multiespectrales de satélite que, a pesar de tener menos sensibilidad a la biomasa, tiene una cobertura temporal más larga y contiene otra información útil relacionada con el contenido de clorofila de la vegetación. También utilizamos otros tipos de información auxiliar, como modelos digitales del terreno y análisis de texturas espaciales.

Los bosques son sistemas ecológicos muy diversos que muestran un comportamiento complejo en diferentes escalas temporales y espaciales. Por lo tanto, los algoritmos de aprendizaje automático no paramétricos, que hacen menos suposiciones sobre la forma y la distribución de los datos de referencia, suelen superar a los métodos paramétricos(Evans et al, 2009). Los modelos de aprendizaje automático pueden utilizarse para estimar la cantidad y la distribución espacial de la biomasa y su incertidumbre. Con estos métodos también podemos estimar otros parámetros estructurales del bosque, como la altura del dosel o la fracción de cubierta arbórea. 

En Sylvera utilizamos enfoques de vanguardia revisados por pares para el seguimiento de la biomasa aérea(Rodriguez-Veiga et al, 2020, Meyer et al, 2019, Rodriguez-Veiga et al, 2019). También realizamos validaciones estadísticamente rigurosas y análisis de incertidumbre, y seguimos las mejores prácticas(Duncanson et al, 2021, McRoberts et al, 2022). Nuestros modelos están entrenados regionalmente para estimar de forma rutinaria y robusta series temporales de biomasa forestal sobre el suelo y reservas de carbono a partir de datos satelitales.

‍

Nuestros mapas de series temporales de biomasa aérea se utilizan para controlar los cambios en las reservas de biomasa en las zonas de interés.

Nuestros métodos mejoran constantemente gracias a la adquisición continua de datos MSL para aumentar nuestra cobertura, a la preparación de las próximas misiones por satélite (por ejemplo, la misión NiSAR y Biomass) y a la incorporación de las últimas innovaciones procedentes de nuestra propia investigación y de la literatura científica. Nuestras metodologías son revisadas interna y externamente por destacados académicos en la materia. También hemos colaborado con equipos de investigación de la UCLA, la Universidad de Leicester y el University College de Londres.

¿Por qué es necesario controlar la biomasa en Sylvera?

En Sylvera calificamos proyectos de carbono pertenecientes a marcos de carbono como el de Reducción de Emisiones por Deforestación y Degradación de los Bosques(REDD+). Dos de los componentes más importantes de estos proyectos son los datos de actividad y los factores de emisión, que luego se utilizan para calcular las emisiones. Los datos de actividad pueden evaluarse utilizando técnicas de clasificación de la cubierta terrestre en imágenes por satélite, mientras que los factores de emisión pueden evaluarse utilizando nuestras propias mediciones de biomasa. Alternativamente, podemos comparar las emisiones notificadas por los proyectos con nuestras propias estimaciones derivadas de datos de series temporales de biomasa. Estos productos de series temporales de biomasa proporcionan más información sobre dónde y cuánto carbono está cambiando en las zonas de los proyectos, y ofrecen la oportunidad de detectar y evaluar las emisiones de carbono derivadas de la degradación forestal (la segunda "D" de REDD+). Cuando un bosque está degradado sigue existiendo, pero ha sufrido una reducción de su capacidad para producir servicios ecosistémicos como el almacenamiento de carbono. Esto es de vital importancia porque una gran proporción de las emisiones de carbono puede tener su origen en la degradación forestal, que en muchos casos no se notifica, y al mismo tiempo puede ser el trampolín hacia un proceso de deforestación. 

El seguimiento de la biomasa por satélite nos permitirá mejorar nuestras calificaciones evaluando las emisiones derivadas de la deforestación y la degradación forestal notificadas por los proyectos, pero también las emisiones originadas por la degradación forestal en los proyectos que no la notificaron.

Acerca de los investigadores de Sylvera

Los investigadores centrados en la biomasa en Sylvera forman parte de dos equipos: el equipo MSL, responsable de la adquisición y procesamiento de datos MSL, y el equipo de Aprendizaje Automático (ML), encargado de desarrollar métodos para ampliar las mediciones de biomasa a nivel de proyecto y regional utilizando tecnología ML.

Gabija Bernotaite es ingeniera de software de investigación de MSL, y aporta una gran experiencia trabajando con big data y conjuntos de datos 3D en diversas capacidades, incluido en el mundo de los coches automatizados. 

El Dr. Robin Upham es ingeniero de software de investigación de MSL, con experiencia en técnicas estadísticas avanzadas, probabilísticas y de aprendizaje automático, y centra su trabajo en el procesamiento lidar para la cartografía del carbono forestal. 

Abhishek Kumar es ingeniero de aprendizaje profundo en el equipo de ML. Cuenta con más de 4 años de experiencia en el sector en la creación y dirección de productos de aprendizaje profundo de última generación, trabajando con diferentes startups que tienden puentes entre las esperanzas y la ciencia dura.

Piotr Pustelnik es becario en el equipo de ML. Tiene formación en Física con especialización en informática científica y recientemente ha obtenido un máster en Ciencia de Datos por la Universidad de Bath.

El Dr. Johannes Hansen es ingeniero de teledetección con experiencia doctoral y postdoctoral en observación de la Tierra y cartografía de la deforestación, con especial atención a los datos SAR.

El Dr. Miro Demol es un científico de MSL Lidar que investiga las aplicaciones del escaneado láser en la silvicultura, con especial interés en la estimación de la biomasa aérea y su incertidumbre.

El Dr. Andrew Burt es un científico especializado en teledetección y ecología forestal tropical del equipo MSL, que durante la última década ha contribuido a ser pionero en el uso del escaneado láser en los bosques.

El Dr. Pedro Rodríguez-Veiga es investigador principal de observación de la Tierra en el equipo de ML y cuenta con más de 12 años de experiencia en el campo de la silvicultura, la recuperación de biomasa aérea mediante teledetección y la vigilancia forestal.