El País Vasco desde el espacio: cartografía de la altura de los bosques con láseres

La altura forestal es una variable clave para entender como funcionan los bosques. Nos da información directa sobre su estructura, y está estrechamente vinculada a muchos procesos ecológicos: la biodiversidad, el almacenamiento de carbono, la productividad de madera o la resiliencia frente a perturbaciones. Además, si seguimos la altura forestal a lo largo del tiempo, podemos observar como evolucionan los bosques: detectar zonas de deforestación, identificar áreas en regeneración o analizar patrones de crecimiento a gran escala. Pero surge una pregunta evidente:

¿Como podemos medir la altura de los bosques en todo Euskadi?

Evidentemente, no vamos a ir árbol por árbol con una cinta métrica. Para eso existen las tecnologías espaciales, capaces de observar grandes superficies de la Tierra de manera sistemática.

Midiendo bosques desde el espacio: el papel del LiDAR

La primera fuente de datos importante es el LiDAR espacial. En otro artículo (https://medium.com/@kamel.lahssini/disparos-láser-desde-el-espacio-para-desvelar-los-bosques-609d5305c6c8), ya se explica con mas detalles como funciona esta tecnología. Aquí basta con recordar lo esencial: el LiDAR envía pulsos de laser hacia la superficie terrestre y mide el tiempo que tardan en volver, lo que permite estimar alturas, incluida la altura de la vegetación.

Gracias al LiDAR espacial, podemos obtener medidas de altura forestal a escala de todo Euskadi. Sin embargo, estas mediciones no son continuas. El satélite no mide en cada punto del territorio, sino en puntos discretos, aunque bien distribuidos espacialmente.

Es como si tuviéramos una imagen de la altura forestal de Euskadi en la que solo algunos pixeles funcionan correctamente, mientras que muchos otros están vacíos o rotos. Pero lo que queremos no es eso: queremos un mapa continuo, una representación completa de la altura forestal en cada lugar. Para lograrlo, hay que rellenar los huecos que deja el LiDAR.

Datos complementarios para rellenar los huecos

Aquí entran en juego otras fuentes de datos, que tienen una característica fundamental: son continuas, es decir, disponemos de información para todos los pixeles de Euskadi. Cada una aporta una perspectiva diferente, y todas contienen información indirecta sobre la altura forestal.

Por un lado, utilizamos imágenes ópticas, que nos muestran cómo se ve la vegetación desde el espacio. Estas imágenes describen como el bosque refleja la luz solar en diferentes longitudes de onda, lo que está relacionado con su densidad, su vigor y su estado fisiológico.

Por otro lado, empleamos imágenes radar, que aportan información sobre la estructura del bosque y su organización espacial. Las ondas de radar interactúan con la vegetación y con la superficie del terreno, lo que ofrece pistas sobre la rugosidad, la disposición espacial y la estructura del bosque.

A esto se suma la información del terreno, que es fundamental porque la altura forestal es una variable natural muy condicionada por el medio ambiente. Un indicador especialmente potente es el HAND (Height Above Nearest Drainage), que representa la altura del suelo con respecto al punto de drenaje más cercano. El HAND combina información topográfica (altura del terreno) con información hidrológica (como fluye el agua en el paisaje). Numerosos estudios han demostrado su fuerte relación con la estructura forestal.

De los datos a la altura forestal: aprendizaje profundo

Todas estas fuentes de datos son complementarias: cada una aporta una pieza distinta del rompecabezas. El siguiente paso es construir una relación que nos permita convertir toda esta información en altura forestal. Y aquí es donde entran en juego los modelos de aprendizaje profundo.

Recordemos que, gracias al LiDAR espacial, conocemos la altura forestal en ciertos puntos concretos. En esos mismos puntos también disponemos de la información óptica, radar y HAND descrita antes. Esto nos permite entrenar un modelo que aprenda la relación entre esos datos y la altura forestal medida por el LiDAR espacial.

Una vez entrenado, el modelo puede aplicarse en los lugares donde no hay mediciones LiDAR, rellenando los huecos y generando así un mapa continuo de la altura forestal en todo Euskadi.

Humildad y cautela: estimar no es medir

Aquí es fundamental ser humildes. En lo que respecta a la producción del mapa, hablamos de estimar, no de medir. La forma mas precisa de medir la altura forestal en Euskadi sería recorrer todo el territorio y medir directamente los árboles. Eso es sencillamente imposible.

Por eso optamos por estimar, y toda estimación viene acompañada de errores e incertidumbres. El propio LiDAR espacial no es perfecto: puede verse afectado por las condiciones atmosféricas o por terrenos complejos y montañosos, algo muy común en Euskal Herria. Los otros datos tampoco son ideales, por limitaciones físicas y electrónicas de los sensores. Y, por supuesto, los modelos de aprendizaje profundo introducen sus propios sesgos y errores.

Este tipo de mapa es muy útil para analizar tendencias medias, patrones generales o fenómenos a gran escala. Pero cada valor individual debería interpretarse siempre como un valor con un intervalo de confianza, algo que no siempre esta explícitamente disponible en muchos métodos de aprendizaje profundo.

Por eso, si tienes curiosidad y miras la altura forestal estimada del bosque que hay detrás de tu casa, es posible que no coincida exactamente con lo que ves con tus propios ojos. Este tipo de productos cartográficos deben usarse siempre con cuidado y sentido crítico.

Ciencia abierta para terminar con una nota positiva

Para terminar con una nota positiva, merece la pena destacar que este mapa de altura forestal se ha realizado utilizando datos mundiales y herramientas completamente gratuitos y abiertos. Así que hoy en día es posible llevar a cabo estudios avanzados de observación de la Tierra sin necesidad de grandes presupuestos. El mapa como el código empleado para su generación están disponibles en el siguiente repositorio: https://doi.org/10.5281/zenodo.18361847.

Cualquiera que tenga el interés, el tiempo y los conocimientos necesarios puede reproducir este tipo de análisis para su bosque favorito o su país de nacimiento. Y eso, en sí mismo, es una excelente noticia para la ciencia, la gestión del territorio y la divulgación.