Resumen
Los bosques son uno de los ecosistemas más críticos de la Tierra, cubriendo aproximadamente el 31% de la superficie terrestre y desempeñando un papel vital como sumideros de carbono, reservas de biodiversidad y reguladores del clima. Almacenan alrededor del 45% del carbono terrestre y albergan la mayor parte de la biodiversidad del planeta, lo que hace que su conservación sea esencial para el equilibrio ecológico. Sin embargo, estos ecosistemas están cada vez más amenazados por los incendios forestales, que cumplen un doble papel en la dinámica de los bosques: actúan tanto como reguladores naturales como potenciales destructores. La modelización avanzada del fuego es una herramienta clave para mejorar la predicción y mitigación de incendios. Los modelos de incendios 3D, basados en modelos de dinámica de fluidos computacional (CFD, por sus siglas en inglés), requieren datos de entrada de alta resolución sobre la carga de combustible, la estructura de la vegetación y la composición de especies. En este sentido, uno de los mayores desafíos en la modelización de incendios es la obtención de datos precisos y de alta resolución sobre las características de la vegetación a escala local.
Las tecnologías de teledetección, en particular la fotogrametría aérea digital con UAV (UAV-DAP, por sus siglas en inglés), ofrecen una solución rentable y de alta resolución para caracterizar la estructura forestal. Mediante UAV-DAP, es posible obtener nubes de puntos que permiten la segmentación individual de plantas, la clasificación de especies y la extracción de características geométricas y espectrales clave para la dinámica del fuego. Estos datos pueden utilizarse para estimar variables relacionadas con los incendios. Sin embargo, a pesar de su potencial, UAV-DAP sigue estando infrautilizado debido a sus limitaciones técnicas inherentes y a la falta de metodologías y software especializados que permitan aprovechar plenamente tanto su información geométrica tridimensional como su contenido espectral.
Esta tesis tiene como objetivo mejorar las técnicas de procesamiento de UAV-DAP a través de cuatro objetivos clave: i) evaluar la efectividad de las características espectrales, geométricas y de vecindad combinadas con técnicas de aprendizaje automático para la clasificación de nubes de puntos e identificación de especies vegetales; ii) desarrollar y validar metodologías para la clasificación de especies de matorral mediterráneo; iii) investigar las relaciones entre las variables geométricas y espectrales derivadas de UAV-DAP y la dinámica de propagación del fuego; iv) y estimar la biomasa aérea (AGB, por sus siglas en inglés) de arbustos y árboles mediante segmentación y clasificación a nivel de planta individual. Al abordar estos objetivos, esta tesis pretende desarrollar metodologías UAV-DAP capaces de proporcionar datos clave sobre la vegetación para mejorar la evaluación de la estructura forestal y el análisis del comportamiento del fuego en entornos mediterráneos.
Palabras clave
Unmanned Aerial Vehicles (UAV); Digital Aerial Photogrammetry (DAP); machine learning; deep learning; point cloud labelling; forests; point cloud; classification; forest structure; fire behaviour; remote sensing; LiDAR; forest management; wildfire analysis; fine-scale forestry; machine learning; geomatics;
