Inventario forestal mediante tecnología LiDAR en los bosques de encina del M.U.P. nº11 del término municipal de Valldemossa (Islas Baleares) | Inventari forestal mitjançant tecnologia LiDAR als boscos d alzines del M.U.P. nº11 del terme municipal de Valldemossa (Illes Balears) | Forest inventory using LiDAR technology in the oak forests of M.U.P. nº11 in the municipality of Valldemossa (Balearic Islands)

[ES]Este trabajo sienta sus bases en un encinar mediterráneo (Quercus ilex subsp. Ilex.), ubicado en la finca pública de Son Moragues (Mallorca), relicto de monte bajo explotado para la producción de leña, hasta mediados del siglo XX. Tras su abandono, debido a la llegada de combustibles fósiles y el éxodo rural, el bosque recuperó su porte arbóreo y vital. Sin embargo, la falta de manejo, el agotamiento de cepas, el cambio climático y las plagas, acabaron debilitando la masa forestal. Ante esta situación, surge una necesidad, la conservación y revitalización de los bosques de encina localizados en la finca. Su propósito principal se enfoca en la planificación multifuncional del bosque, encaminada a la prevención de incendios forestales, promover la regeneración natural, mejorar el estado sanitario, impulsar la vigorosidad y vitalidad del monte, aumentar la resiliencia climática, y producir leña de manera sostenible. En consecuencia y como base necesaria para toda planificación, el estudio dirige sus objetivos hacia la obtención de un inventario forestal de alta precisión mediante tecnología LIDAR de baja densidad (1 punto/m2). Este planteamiento se traduce en una selección de variables necesarias, que favorecen el conocimiento detallado del monte y respaldan las decisiones silvícolas. La metodología adoptada en este estudio se estructura en tres fases principales que guían el desarrollo del trabajo. La primera fase corresponde con la caracterización de las masas arboladas. El primer paso consiste en la elaboración de un mapa de tipologías forestales, con el objetivo de identificar las áreas ocupadas exclusivamente por encinar. Posteriormente, se realiza un análisis de accesibilidad, con el objetivo de definir las zonas viables para el inventario de campo. Como paso final, se delimita la calidad de estación en las zonas accesibles, lo que facilita la sectorización del monte como apoyo en la distribución de parcelas. La segunda fase consiste en un diagnóstico detallado de 39 parcelas de inventario forestal, todas ellas georreferenciadas. Este proceso permite recopilar información dasométrica y LiDAR vinculada específicamente a las parcelas de muestreo. La fase final de la metodología se centra en la aplicación de ecuaciones de regresión entre variables LiDAR y dasométricas, con el fin de conseguir predicciones estadísticamente fiables. Para ello se prueban métodos de regresión lineales y no lineales (linealizados a partir de logaritmos) que resultan en la violación de los supuestos estadísticos o modelos poco significativos. En consecuencia, atendiendo a la complejidad estructural del dosel, se aplican modelos de aprendizaje automático (regresión adaptativa multivariante y bosques aleatorios) para abarcar su variabilidad espacial. Para el ajuste, se lleva a cabo una validación cruzada de 10 pliegues que permite explorar diferentes combinaciones de hiperparámetros. La selección del mejor modelo es aquel que prueba un menor error cuadrático medio (RMSE), un menor error absoluto medio (MAE) y un mayor coeficiente de determinación ajustado (R 2 ajustado) ponderados por igual y normalizados. Una vez seleccionada la mejor configuración, los modelos se reentrenan utilizando la totalidad del conjunto de datos para maximizar su capacidad predictiva. Finalmente, la comparación entre modelos se lleva a cabo mediante un enfoque multinivel, considerando la validación cruzada, la validación interna, los predictores utilizados y gráficas de error, para identificar posibles sesgos. Los modelos que dan predicciones más consistentes, desde el punto de vista estadístico, son aquellos generados mediante bosques aleatorios. Los parámetros evaluados reflejan un rendimiento satisfactorio en la predicción de la altura media, el diámetro cuadrático medio y el diámetro dominante un rendimiento moderado para la altura dominante, diámetro medio y el volumen, y un ajuste más limitado en el caso del área basimétrica, la densidad y la biomasa. No obstante, el uso conjunto de las variables dasométricas actuará como base fehaciente para la planificación del monte de encinas ubicado en la finca pública Son Moragues.

[EN] This work is based on a Mediterranean holm oak forest (Quercus ilex subsp. ilex), located in the public estate of Son Moragues (Mallorca), a relic of coppice woodland historically exploited for firewood production until the mid-20th century. After its abandonment, due to the introduction of fossil fuels and rural depopulation, the forest gradually regained its arboreal structure and vitality. However, the lack of management, stump exhaustion, climate change, and pest outbreaks have progressively weakened the forest stand. In light of this situation, a need arises: the conservation and revitalization of the holm oak forests located on the estate. The main purpose focuses on the multifunctional planning of the forest, aiming to prevent wildfires, promote natural regeneration, improve forest health, enhance vigor and vitality, increase climate resilience, and sustainably produce firewood. Consequently, and as a necessary foundation for any planning, the study sets its objectives on obtaining a high-precision forest inventory through low-density LiDAR technology (1 point/m²). This approach translates into the selection of key variables that foster detailed knowledge of the forest and support silvicultural decision-making. The methodology adopted in this study is structured in three main phases that guide the development of the work. The first phase involves the characterization of the forest stands. It begins with the development of a forest typology map to identify areas exclusively occupied by holm oak. Subsequently, an accessibility analysis is conducted to define viable zones for field inventory. As a final step, site quality is delimited in accessible areas, facilitating the subdivision of the forest to support plot distribution. The second phase consists of a detailed diagnosis of 39 georeferenced forest inventory plots. This process enables the collection of both dendrometric and LiDAR data specifically linked to the sampling plots. The final phase of the methodology focuses on the application of regression equations between LiDAR and dendrometric variables, aiming to obtain statistically reliable predictions. Linear and non-linear regression methods (log-linearized) are initially tested but result in violations of statistical assumptions or in weak models. Therefore, considering the structural complexity of the canopy, machine learning models, specifically Multivariate Adaptive Regression Splines (MARS) and Random Forests, are applied to capture spatial variability. Model fitting is performed using 10-fold cross-validation, allowing the exploration of different hyperparameter combinations. The best model is selected based on the lowest Root Mean Square Error (RMSE), lowest Mean Absolute Error (MAE), and highest adjusted R-squared (adjusted R²), all equally weighted and normalized. Once the best configuration is identified, the models are retrained using the entire dataset to maximize predictive performance. Finally, model comparison is carried out using a multi-level approach, considering cross-validation, internal validation, predictor variables used, and error plots to identify potential biases. The models that provide the most statistically consistent predictions are those based on Random Forests. The evaluated parameters show satisfactory performance for the prediction of mean height, quadratic mean diameter, and dominant diameter, moderate performance for dominant height, mean diameter and volume; and more limited accuracy for basal area, tree density, and biomass. Nonetheless, the combined use of dendrometric variables will serve as a reliable basis for the planning of the holm oak forest located on the public estate of Son Moragues.

Acker Meliá, P. (2025). Inventario forestal mediante tecnología LiDAR en los bosques de encina del M.U.P. nº11 del término municipal de Valldemossa (Islas Baleares). https://riunet.upv.es/handle/10251/224697

TFGM