Las zonas objetivo de actuación de la acción ARR son áreas degradadas donde la vegetación está compuesta mayoritariamente por formaciones de herbáceas, arbustivas y de matorral formadas por enebro (Juniperus oxycedrus), boj (Buxus sempervirens), espino blanco (Crataegus sp.), rosáceas y romero. En cuanto a las escasas formaciones de porte arbóreo hay que destacar el pino pudio (Pinus nigra), pino silvestre (Pinus sylvestris), rebollo (Quercus pyrenaica) y enebro (Juniperus oxycedrus). La zona dedicada a la acción IFM es una masa homogénea de Pinus sylvestris, con presencia de boj y espino, surgida por regeneración tras el abandono de las labores agrícolas durante el siglo XX.

A la hora de realizar la estimación de la biomasa presente en estas zonas, el alto grado de heterogeneidad, la dispersión de la mismas y las fuertes pendientes hacen que se dificulte enormemente el trabajo a pie de campo y la representatividad de los datos muestrales. Para solventar esta problemática se estableció una metodología apoyada en una combinación de tecnologías de teledetección remota: datos LiDAR (Light Detection and Ranging), imágenes de alta resolución y fotogrametría mediante RPA, SIGs (Sistemas de Información Geográfica), software estadístico, modelos de crecimiento. Todo ellos apoyado con datos de campo.

2.2 Tecnología LiDAR.

De esta forma, esta reciente tecnología presenta un gran potencial para muchos tipos de estudios y aplicaciones al proporcionar una alta cantidad de datos, así como la georeferenciación digital de la elevación de los mismos con gran precisión.

Otra de las ventajas de esta nueva tecnología es que, al contrario que la imagen adquirida con cámaras fotogramétricas, los instrumentos LiDAR son sistemas de sensores activos y, como consecuencia, ofrece importantes ventajas sobre la fotogrametría, ya que puede penetrar a través de las copas de los árboles, facilitando información de la superficie que se encuentra bajo los mismos y permitiendo construir un modelo digital del terreno bajo la cubierta forestal (Renslow, Geenfield & Guay, 2000). Las aplicaciones LiDAR más frecuentes en estudios forestales han sido para la determinación de atributos estructurales básicos, incluyendo la altura, la cobertura del dosel y los perfiles verticales, y partir de ellos medidas indirectas (Navarro-Cerrillo, Sánchez de la Orden, Gómez Bonilla, García Ferrer, Hernández Clemente & Lanjeri, 2010).

El proceso que se ha seguido se puede resumir esquemáticamente en los siguientes pasos:

• Procesamiento de datos LiDAR mediante software específico

• Generación de MDTs (Modelos Digitales del Terreno): MDE (Modelo

Digital de Elevaciones), MDS (Modelo Digital de Superficies) y MDHV (Modelo Digital de Altura de Vegetación)

• Cálculo de la FCC (Fracción Cabida Cubierta)

• Discriminación y determinación de estratos vegetativos

• Desarrollo de modelos numéricos para distintos parámetros

• Estimación del número de árboles según clases diamétricas

• Generación de información para su posterior utilización como datos de entrada de distintas ecuaciones de biomasa.

• Implementación de un SIG con los resultados obtenidos

La tecnología LiDAR todavía tiene alto coste económico pero, afortunadamente, en España se dispone de buenas fuentes de información geográfica (Porta et al., 2012). Concretamente, en este estudio, se han utilizado los datos provenientes de vuelos LiDAR realizados por el IGN (Instituto Geográfico Nacional) dentro del plan PNOA (Plan Nacional de Ortografía Aérea).

2.3 Fotogrametría mediante RPA

2.3 Teledetección mediante imágenes satélite.

Para el estudio de la evolución de la masa arbórea de la zona IFM en los últimos años, fueron adquiridas 7 imágenes TM (Thematic Mapper), del satélite Landsat 5 correspondientes a la escena con path 198 y row 31. Estas imágenes comprenden parte del territorio de Cataluña incluyendo el Espacio Natural de Alinyà y fueron captadas en las fechas de 28 de julio de 1984, 01 de julio de 2003, 06 de junio de 2006, 28 de junio de 2008, 01 de julio de 2009, 04 de julio de 2007 y 21 de junio de 2006. A partir de dichas imágenes, tras el procesamiento de los datos matriciales se calcularon los índices de vegetación NDVI (Índice de Vegetación por Diferencia Normalizada) propuesto por Rouse, Haas, Schell & Deering (1973) y SAVI (Índice de Vegetación Ajustado al Suelo) propuesto por Huete (1988).

2.5 Trabajo de campo

2.4 Modelo de simulación

A la hora de predecir el comportamiento futuro de la masa de Pinus sylvestris de la zona IFM se ha recurrido al modelo de simulación CO2FIX v3.1 (Schelhaas, van Esch, Groen, de Jong, Kanninen, Liski, et al., 2004) desarrollado dentro del proyecto europeo CASFOR (Secuestro de Carbono en Forestación y Gestión Forestal Sostenible). Para completar los datos que reclama como entrada el modelo se realizó un estudio climático de la zona, se recurrió a tablas de producción y se recabaron datos a pie de campo.

Se realizaron diversas simulaciones tanto para un modelo de gestión sin ninguna actuación (dejando al bosque en su evolución actual), como para el modelo de gestión propuesto por el CREAF (Centro de Investigación Ecológica y Aplicaciones Forestales) denominado Ps05 (Piqué, Beltrán, Vericat, Cervera, Farriol & Baiges, 2011) desarrollado en el marco del proyecto LIFE12 ENV/ES/000730 Demorgest y enfocado a una mayor captura de CO₂.

2.5 Resumen del software empleado

Para el visionado de la nube de puntos LiDAR como ficheros en formato “.las” se ha utilizado el software gratuito FugroViever^TM, perteneciente a la compañía holandesa Fugro.

Para el análisis, filtrado, cálculo de variables y visionado de puntos se ha recurrido al software de libre distribución FUSION/LDV desarrollado por el Forest Service – USDA (Servicio Forestal del Departamento de Agricultura de los Estados Unidos). Complementariamente para la gestión y el filtrado se utilizó el software Lastools (Isenburg, 2008).

En cuanto a software SIG se ha trabajado, por una parte, con el programa de código libre y gratuito QuantumGIS desarrollado por la fundación OSGeo (Open Source Geospatial Foundation), y por otra, para el cálculo de índices y la generación de los mapas de resultados se ha utilizado el programa ArcMap™ 10 (ArcGIS^®) bajo licencia de Esri.

El procesado de las imágenes obtenidas con las cámaras fotográficas mediante RPA se realizó con el programa PhotoScan^® (Agisoft).

Para el tratamiento estadístico de los datos y el desarrollo de modelos numéricos se ha recurrido al programa de libre licencia R (R Core Team, 2015).

3. Resultados

El tratamiento de los ficheros de datos LiDAR ha permitido obtener la altura sobre el terreno de las diferentes cubiertas vegetales y su fracción de cabida cubierta, variables necesarias para la ulterior estimación de la biomasa a través de ecuaciones que ofrece la literatura científica. Además, a través del estudio de los índices de vegetación y las simulaciones con el modelo de crecimiento se consigue evaluar la situación de la zona IFM al comienzo del proyecto y su posible evolución en los siguientes años.

3.1. Modelos digitales.

3.2. Estratificación

3.3. Individualización de arbolado

3.3. Modelos numéricos

3.4. Índices de vegetación.

3.5 Simulación.

Las simulaciones realizadas con el software CO2FIX nos permiten concluir que con el modelo de gestión forestal Ps05, siempre que se incluyan los productos de las cortas como sumidero de carbono, la captura de CO₂ es mayor que optando por no actuar sobre el bosque pues éste se halla prácticamente estancado en su crecimiento compitiendo por los recursos, además de presentarse mucho más susceptible a sufrir incendios, plagas y enfermedades.

Estas simulaciones se han realizado adoptando criterios conservadores sin considerar riesgos propios de masas de alta densidad como incendios, plagas, enfermedades… y con la adopción de valores máximos de biomasa en el rodal altos, por lo que los resultados, en cuanto a carbono capturado, hubieran sido mucho más bajos para los escenarios sin intervención. Para ilustrarlo con un ejemplo: se conocen estudios de masas forestales similares, no gestionadas, de Pinus sylvestris en España, donde se ha monitorizado un crecimiento de 186 t/ha de biomasa aérea en 25 años (Ruiz-Peinado, Bravo-Oviedo, López-Senespleda, Río & Montero, 2013). La masa de la zona IFM ha crecido únicamente 134,8 t/ha de biomasa aérea en 60 años. Para las simulaciones se ha utilizado un mínimo de 300 t/ha como máxima biomasa aérea a la que puede llegar el rodal en 80 años. Por lo tanto, la adopción de valores de máximo de biomasa aérea inferiores en el rodal (coherentes con los datos de crecimiento de la masa en los últimos años) conllevaría peores resultados para los casos en los que no se aplican los aclareos.

4. Conclusiones

La combinación de tecnologías de teledetección utilizadas en este trabajo permite obtener información sobre las zonas de estudio en toda su extensión y no de manera puntual. De esta manera se reducen los errores por interpolación de datos muestrales o por poca representatividad de los mismos, habida cuenta de la heterogeneidad de las parcelas sobre las que se ha trabajado. Además, el uso de plataformas aéreas permite extraer fácilmente datos de zonas de otra manera inaccesibles, así como cubrir extensas áreas rápidamente. Esto supone un ahorro en tiempo, coste económico y en trabajo sobre el terreno, reducido a la toma de datos de apoyo y contraste.

Se ha demostrado, asimismo, que estas tecnologías son aptas para generar la información necesaria para la determinación de biomasa existente y, por lo tanto, de la cantidad de carbono retenido en la misma, permitiendo distinguir distintos estratos de vegetación. Estos resultados sirven, en el caso que nos ocupa, para cuantificar la línea base y establecer valores de referencia para evaluar la adicionalidad de las acciones del proyecto.

Además, a través del procesamiento de estadísticos LiDAR se han generado distintos modelos digitales del terreno así como modelos numéricos de diversos parámetros. Esta metodología ha sido complementada con éxito mediante fotogrametría de baja altura con RPA.

Por otra parte, el estudio de los índices de vegetación, calculados sobre series históricas de imágenes multiespectrales de satélite, junto con las simulaciones ejecutadas en el modelo CO2FIX nos permiten determinar la idoneidad de la gestión forestal en el bosque de estudio, en cuanto a la asimilación de CO₂ y paralelamente, a la prevención de enfermedades, plagas e incendios en comparación con un escenario de no intervención en dicho bosque.

Tanto la evolución de las plantaciones efectuadas en las zonas ARR, así como la incidencia de las actividades de gestión en la zona IFM concretadas en aclareos orientados a conseguir un incremento de biomasa que maximice la captura de CO₂, podrán ser monitoreadas y evaluadas a través de las metodologías de teledetección utilizadas en este trabajo. De este modo se podrá cuantificar y contrastar la contribución del proyecto respecto a la situación de partida.

5. Referencias bibliográficas.