Estimación de la biomasa de las marismas con cámara de drones MicaSense de 10 bandas y LiDAR

Las marismas son invaluables para la protección costera, la filtración de agua y el almacenamiento de carbono. Estos ecosistemas protegen contra inundaciones y erosión, eliminan metales pesados ​​del agua y actúan como reservorios vitales de carbono azul, ayudando a mitigar el cambio climático. Proteger estos hábitats es esencial para mantener un planeta saludable.

Los profesores Luis Barbero y Gloria Peralta, junto con la Dra. Andrea Celeste Curcio de la Universidad de Cádiz en el sur de España, están desarrollando modelos estadísticos precisos para estimar la biomasa en las marismas. La biomasa, la masa total de organismos vivos en un área determinada, es un indicador clave de la salud de los ecosistemas y del almacenamiento de carbono.

Estos modelos ayudan a identificar la vegetación estresada y determinar cuánto estrés ambiental pueden soportar las marismas antes de sufrir daños. También permiten distinguir entre especies, sus mecanismos de crecimiento únicos y sus contribuciones a la producción de biomasa. Además, la investigación busca mejorar las capacidades de almacenamiento de carbono, crucial para la mitigación del cambio climático.

Desafío: ¿Datos satelitales, hiperespectrales o multiespectrales y integración LiDAR?

La innovación del proyecto radica en la integración de datos de drones procedentes de sensores multiespectrales y LiDAR, creando un marco tecnológico de vanguardia. Esta configuración avanzada permite la recopilación de datos de alta resolución, lo que permite una diferenciación precisa del hábitat y mejora significativamente la precisión de las estimaciones de biomasa.

El equipo utilizó un sensor multiespectral MicaSense de 10 bandas, como el RedEdge-P dual, en conjunto con el sistema LiDAR DJI Zenmuse L1, ambos montados en el dron DJI Matrice 300 RTK.

Para el profesor Luis Barbero, los datos satelitales tradicionales, si bien son efectivos para el monitoreo a gran escala, carecen de la resolución espacial necesaria para capturar los detalles finos de los humedales costeros y los ecosistemas de marismas. Esta limitación a menudo resulta en imprecisiones en las estimaciones de biomasa y en la identificación de especies.

El equipo reconoce el potencial de los datos hiperespectrales para identificar tipos y especies de vegetación, pero enfatiza que su enfoque representa una mejora significativa, ya que los métodos hiperespectrales son ineficientes debido a la redundancia, los altos costos, la complejidad y las demandas computacionales.

profesor luis barbero

“El uso de LiDAR y datos multiespectrales es crucial para distinguir con precisión los hábitats primarios de las marismas y crear modelos de biomasa detallados, con una precisión sin precedentes. Este método es fácil de usar, repetible y rentable, lo que permite el estudio de las marismas, las tendencias evolutivas y la respuesta al cambio climático que requieren menos trabajo de campo”.

Beneficios clave del enfoque LiDAR multiespectral:

• Análisis multiespectral mejorado: los datos recopilados utilizando el Cámara MicaSense permitió calcular diversos índices de vegetación, facilitando la detección de pigmentos vegetales como las antocianinas y la clorofila. Estos pigmentos son indicadores cruciales del estrés y la biomasa de las plantas.
• Modelos de elevación precisos: LiDAR generó datos de elevación precisos, un factor crucial para distinguir especies según la elevación del hábitat en las marismas.
• Monitoreo de biomasa estacional: la combinación de índices multiespectrales (por ejemplo, ARI2, NDVI y SIPI) con datos LiDAR permitió un seguimiento detallado de los cambios estacionales de biomasa.

Explora la cámara dual RedEdge-P

El sitio de estudio: Mapeo estacional del ecosistema dinámico de una bahía

La investigación se centró en la Bahía de Cádiz, situada en la costa suroeste de España. Este ecosistema atlántico poco profundo alberga los humedales costeros más meridionales de Europa, caracterizados por un entorno intermareal dinámico, ideal para estudiar patrones de biomasa estacionales y específicos de cada especie.

Para capturar la variabilidad estacional del ecosistema, el equipo realizó trabajo de campo en varias estaciones (2022-2023), combinando estudios detallados de la vegetación con datos de drones.

El dron inspeccionó un área de 20 hectáreas (50 acres) a una altitud de 100 metros (330 pies), entregando datos de alta resolución con una distancia de muestreo en tierra (GSD) de 7 cm (2,7 pulgadas). El sensor dual MicaSense se configuró para capturar imágenes a intervalos de 2,2 segundos, asegurando una superposición frontal del 80% y lateral del 70%. Se replicaron dos planes de vuelo consistentes en todas las campañas para garantizar la comparabilidad de los resultados.

Índices utilizados para el análisis.

.

El Índice de Vegetación de Diferencia Normalizada (NDVI) fue particularmente importante. Creó una capa de máscara para delinear la distribución de la vegetación. Esta máscara excluyó efectivamente las regiones sin vegetación, como el agua y el suelo desnudo, de todas las capas ráster del análisis, lo que garantiza información precisa y específica de la vegetación.

Otros índices clave incluyeron el índice de vegetación de verdor de banda ancha (BBVI), el índice de reflectancia de antocianinas (ARI), el índice de vegetación de pigmento foliar (LPVI), el índice de vegetación de eficiencia de uso de la luz (LUEVI) y el índice de vegetación de verdor de banda estrecha (NBVI).

Resultados clave del estudio

1. Estimación de biomasa mejorada:

• Al combinar datos multiespectrales de MicaSense con LiDAR, el estudio logró predicciones de biomasa más precisas en comparación con modelos anteriores que utilizaban datos satelitales.
• El índice de reflectancia de antocianinas 2 (ARI2), capturado con las bandas de la cámara dual MicaSense, combinado con el modelo digital de superficie (DSM), fue crucial para identificar las dos especies dominantes de las marismas: Sarcocornia y Sporobolus maritimus. ARI2 resultó especialmente útil para detectar pigmentos relacionados con el estrés salino, que cambian con las estaciones y difieren entre especies.
• Las estimaciones de biomasa mostraron tendencias diferentes para las dos especies, lo que sugiere que crecen y se comportan de manera diferente a lo largo del año, lo que genera variaciones en la producción de biomasa.

2. La estacionalidad importa:

• Los datos demostraron tendencias estacionales claras, con un pico de biomasa en verano y una caída en primavera. Estas tendencias, capturadas con datos de MicaSense, resaltan por qué el tiempo es importante para el muestreo.
• El análisis de los índices de vegetación demuestra que Sarcocornia y Sporobolus maritimus siguen patrones de crecimiento diferentes a lo largo del año. Esto muestra que incluir la estacionalidad en los modelos es clave para realizar predicciones precisas de la biomasa.
• La primavera fue identificada como la estación más estresante para las plantas, con diversas respuestas a los desafíos ambientales. Comprender estos patrones es importante para gestionar la tolerancia al estrés de las plantas.

3. Perspectivas específicas de cada especie:

• A diferencia de los modelos generales de marismas, los modelos específicos de especies (habilitados por Datos de MicaSense) revelaron respuestas de estrés únicas a las condiciones ambientales, como la salinidad y la sequía. Este nivel de detalle es crucial para los esfuerzos de conservación específicos.
• Aunque el estrés por salinidad puede considerarse el principal factor que influye en la distribución de las plantas en el área de estudio, el equipo tuvo en cuenta otros posibles factores estresantes, como la falta de oxígeno y la compactación del suelo.
• Ignorar los datos específicos de cada especie en el modelo de las marismas conduce a una interpretación errónea del patrón del sistema cíclico.

4. Aplicaciones más amplias:

• Los modelos desarrollados en este estudio se pueden utilizar para otras marismas, ayudando a replicar y estimar la biomasa en ecosistemas similares.

Conclusión: Transformar el seguimiento de los ecosistemas

La combinación de sensores multiespectrales MicaSense con LiDAR permitió un seguimiento más preciso de los ecosistemas de las marismas y sus variaciones estacionales, superando con creces las limitaciones de los datos satelitales. Su enfoque también supera la complejidad asociada con los métodos hiperespectrales. Esta solución innovadora ofrece a investigadores, administradores ambientales y conservacionistas ecológicos conocimientos únicos para:

• Monitorear los cambios estacionales de biomasa para mejorar el manejo de las marismas.
• Identificar y mapear hábitats específicos de especies para una conservación específica.
• Detecte signos tempranos de estrés en las plantas debido a factores como la salinidad o la sequía.

A diferencia del trabajo de campo tradicional, que puede ser invasivo y llevar mucho tiempo, el monitoreo con drones proporciona una estimación de la biomasa precisa y no destructiva. Este enfoque también reduce los costos y la complejidad en comparación con la recopilación de datos hiperespectrales, cuyo procesamiento requiere un tiempo considerable, o las imágenes satelitales, que carecen de la resolución espacial necesaria.

Al adoptar este método, los investigadores están avanzando en el seguimiento y la preservación de ecosistemas críticos.