Cálculo del Índice de Shannon Mediante Datos Obtenidos por Teledetección

Presentación

El conocimiento de la biodiversidad es una tarea compleja y esencial para la conservación de los ecosistemas. Con el avance de las tecnologías de teledetección, especialmente el uso de imágenes orbitales de ultra alta resolución espacial, se ha obtenido un detalle sin precedentes de las características de la superficie de la Tierra. Estos avances permiten identificar especies, evaluar hábitats y monitorear cambios en el medio ambiente con una precisión cada vez mayor. Además de las imágenes de alta resolución espacial, la información tridimensional (3D) de los paisajes y la segmentación tridimensional son herramientas poderosas en el análisis de la biodiversidad. La integración de estas tecnologías proporciona una visión más amplia y detallada de los ecosistemas, lo que permite una gestión ambiental más eficaz y estrategias de conservación más informadas. 

Las imágenes orbitales de ultra alta resolución espacial son capturadas por satélites equipados con sensores capaces de capturar detalles finos de la superficie de la Tierra. Estas imágenes ofrecen una resolución espacial que puede alcanzar centímetros, lo que permite identificar con precisión los diferentes elementos naturales y artificiales presentes en el terreno. Combinadas con informaciones tridimensionales, obtenidas a partir de técnicas como la fotogrametría y LIDAR (Light Detection and Ranging), es posible construir modelos digitales del terreno que revelan la topografía y la estructura vertical de la vegetación y otros accidentes geográficos. 

En este contexto, la segmentación tridimensional es el proceso de dividir una imagen 3D en segmentos significativos que pueden representar diferentes tipos de vegetación, cuerpos de agua, edificaciones, entre otros elementos. Esta técnica permite realizar un análisis más detallado y contextualizado de los componentes de los ecosistemas, facilitando la identificación de especies y la evaluación del estado de salud del hábitat. La combinación de imágenes de alta resolución, datos tridimensionales y segmentación 3D tiene el potencial de revolucionar la forma en que estudiamos y conservamos la biodiversidad, ofreciendo información que anteriormente era inaccesible con los métodos tradicionales. 

Problema

Determinar de manera precisa y eficiente la biodiversidad en grandes áreas geográficas es un desafío importante en la conservación del medio ambiente. 

Estado del Arte 

El uso de imágenes orbitales de ultra alta resolución espacial para determinar la biodiversidad se ha vuelto cada vez más relevante en los últimos años. Sensores como los presentes en los satélites WorldView-3 y WorldView-4, que ofrecen resoluciones espaciales de hasta 31 centímetros, permiten una visión detallada de la superficie terrestre. La combinación de estas imágenes con datos Lidar, que proporcionan información sobre la estructura vertical de la vegetación, permite crear modelos tridimensionales precisos del terreno y la vegetación. 

Una de las aplicaciones más prometedoras de esta tecnología es la identificación de especies vegetales. Mediante el análisis espectral de imágenes de alta resolución espacial, es posible distinguir diferentes especies en función de sus firmas espectrales únicas. Diversos estudios han demostrado que la integración de datos espectrales y tridimensionales mejora de manera significativa la precisión en la identificación de especies, lo que permite una evaluación más exacta de la biodiversidad vegetal. 

Además de la identificación de especies, se han utilizado la información tridimensional y la segmentación tridimensional para mapear hábitats y evaluar la salud de los ecosistemas. La segmentación tridimensional, en particular, permite un análisis detallado de la estructura de los hábitats, identificando diferentes tipos de cobertura vegetal, cuerpos de agua y otros elementos del ecosistema. Este enfoque ha demostrado ser eficaz en la identificación de áreas críticas para la conservación y monitorear de los cambios a lo largo del tiempo. 

La aplicación conjunta de estas tecnologías también se ha ampliado al estudio de los ecosistemas marinos. Los satélites equipados con sensores de alta resolución espacial se están utilizando para mapear los arrecifes de coral, evaluar la salud de los corales y monitorear los cambios en estos ecosistemas sensibles. La combinación de imágenes ópticas de alta resolución con datos de sonar y LIDAR subacuático permite una visualización detallada de las estructuras de los arrecifes y la distribución de las especies marinas. 

A pesar de los importantes avances, aún quedan retos por superar. La interpretación de datos de alta resolución espacial requiere técnicas avanzadas de procesamiento de imágenes y análisis de datos. Los algoritmos de aprendizaje automático, como las redes neuronales convolucionales (CNN) y el aprendizaje profundo, han sido empleados para mejorar la precisión de la segmentación y la clasificación de imágenes. Sin embargo, la necesidad de grandes volúmenes de datos de entrenamiento y el alto costo de tecnologías de teledetección siguen siendo obstáculos para la aplicación generalizada de estas técnicas.

En un estudio realizado en el Parque Municipal de Lages, utilizando imágenes captadas por sensores embebidos en vehículos aéreos no tripulados y nubes de puntos tridimensionales, se llevó a cabo la determinación indirecta del índice de Shanon. Al extraer índices vegetativos y métricas de la segmentación, se logró determinar el índice de Shanon con una precisión superior al 90%.

Perspectivas para Trabajos Futuros 

Las perspectivas para futuros trabajos en la determinación de la biodiversidad utilizando imágenes orbitales de ultra alta resolución espacial son prometedoras. El desarrollo continuo de las tecnologías de teledetección, combinado con los avances en inteligencia artificial y aprendizaje automático, promete mejorar aún más la precisión y la eficiencia de estas técnicas. La integración de diferentes fuentes de datos, como imágenes hiperespectrales, datos LiDAR e informaciones climáticas, puede proporcionar una visión aún más completa y detallada de los ecosistemas. 

Otra área de gran potencial es la aplicación de estas tecnologías en tiempo real para el monitoreo ambiental. Con el desarrollo de satélites más pequeños y asequibles, como los CubeSats, será posible obtener datos de alta resolución espacial con mayor frecuencia y a un costo reducido. Esto permitirá un seguimiento más dinámico y responsivo de los cambios ambientales, facilitando la detección temprana de amenazas a la biodiversidad y la rápida implementación de medidas de conservación.

Por último, la colaboración interdisciplinaria será clave para avanzar en esta área. La combinación de conocimientos en Biología, Ecología, Teledetección, Ciencia de Datos e Ingeniería puede generar soluciones innovadoras y efectivas para la conservación de la biodiversidad. La educación y la capacitación de nuevos profesionales en técnicas de teledetección y análisis de datos serán fundamentales para hacer frente a los retos del futuro y garantizar la preservación de los ecosistemas para las generaciones futuras.

Estudio de caso 

Para evaluar la biodiversidad de un área de Bosque Mixto Ombrófilo ubicado en el Parque Municipal de Lages, se decidió determinar el índice de Shannon para el dosel superior. En el sitio se implementaron 13 parcelas de inventario forestal (20 x 20 m). 

Se adquirieron imágenes aéreas obtenidas por aeronaves pilotadas por control remoto (RAP) equipadas con un sensor RGB. Las imágenes fueron tomadas a una altura de 120 metros y con una cobertura longitudinal del 80% y lateral del 60%. La siguiente figura ilustra la distribución de las parcelas de inventario en el sitio de estudio. 

Se obtuvo la ortoimagen digital con una resolución espacial de 4 cm y el modelo digital de superficie (DSM) con una resolución espacial de 10 cm. Para la ortoimagen, se generó la matriz de coocurrencias y al final se creó un conjunto de datos que contiene todos los datos mencionados. 

Posteriormente, se realizó una segmentación multiescalar y se calcularon los parámetros de los segmentos. Los parámetros extraídos se procesaron con el algoritmo Cluster Simple EM (expectation maximizations). Se seleccionó este algoritmo debido a que no requiere la definición previa del número de clases (especies), lo cual es precisamente la información que se busca obtener. A partir del número de especies (en el dosel superior) fue posible calcular el índice de Shannon.

Los índices de Shannon mostraron valores muy similares a los obtenidos con los del inventario tradicional, con valores coherentes. Las diferencias en el número de especies identificadas según la metodología pueden atribuirse al hecho de que, en la metodología automática, se consideraron únicamente las características de las imágenes que utilizaron las bandas del espectro visible. 

* Marcos Benedito Schimalski és investigador y profesor asociado del Departamento de Ingeniería Forestal de la Universidad del Estado de Santa Catarina.