Los ecosistemas terrestres están definidos en gran parte por sus plantas. Los pastizales, matorrales, sabanas y bosques representan una serie de gradaciones en la densidad de árboles y arbustos, desde ecosistemas con plantas leñosas de baja densidad y estatura, hasta aquellos con árboles más altos y copas superpuestas. La información precisa sobre la estructura de la vegetación leñosa de los ecosistemas es, por lo tanto, fundamental para nuestra comprensión de la ecología a escala global, la biogeografía y los ciclos biogeoquímicos del carbono, el agua y otros nutrientes.
Esta semana se conoció un informe sobre la existencia de un gran bosque en el desierto del Sahara, en base de datos de imágenes satelitales de alta resolución que cubren más de 1,3 millones de kilómetros cuadrados de las regiones del Sahara occidental y Sahel en África occidental. Los autores mapearon la ubicación y el tamaño de más de 1.800 millones de copas de árboles individuales. La novedad reside en que nunca antes se habían mapeado árboles con este nivel de detalle en un área tan grande, según describe un artículo en Nature.
Sin embargo, durante las últimas dos décadas, una variedad de satélites comerciales han comenzado a recopilar datos con una resolución espacial más alta, capaces de capturar objetos terrestres que miden un metro cuadrado o menos. Esta mejora de la resolución coloca el campo de la teledetección terrestre en el umbral de un salto fundamental hacia adelante: de enfocarse en mediciones agregadas a escala de paisaje a tener el potencial de mapear la ubicación y el tamaño del dosel de cada árbol a gran escala regional o global. Esta revolución en las capacidades de observación indudablemente impulsará cambios fundamentales en la forma en que pensamos, monitoreamos, modelamos y administramos los ecosistemas terrestres globales.
Martin Brandt y sus colaboradores en el estudio en el Sahara, proporcionan una demostración sorprendente de esta transformación en la teledetección terrestre. Los autores analizaron más de 11.000 imágenes, con una resolución espacial de 0,5 m, para identificar árboles y arbustos individuales con diámetros de copa de 2 metros o más. Los autores completaron esta gigantesca tarea utilizando inteligencia artificial, explotando un enfoque computacional que involucra lo que se llaman redes neuronales. Este método de aprendizaje profundo está diseñado para reconocer objetos (en este caso, las copas de los árboles) sobre la base de sus formas y colores característicos dentro de una imagen más grande. Estas redes se basan en la disponibilidad de datos de entrenamiento, que en este caso consistieron en imágenes de satélite en las que se trazaron manualmente los contornos visibles de las copas de los árboles y arbustos. A través del entrenamiento con estas muestras, la computadora aprendió a identificar las copas de los árboles individuales con alta precisión en otras imágenes. El resultado es un mapeo de pared a pared de todos los árboles de más de 2 m de diámetro en todo el sur de Mauritania, Senegal y el suroeste de Malí.
Se obtuvo una estimación previa del número total de árboles a escala mundial utilizando datos de campo de aproximadamente 430.000 parcelas forestales en todo el mundo. Los autores de ese estudio utilizaron modelos de regresión estadística para estimar la densidad de árboles entre los sitios de campo, sobre la base del tipo de vegetación y el clima. Su análisis sugirió que hay aproximadamente tres billones de árboles en todo el mundo. Sin embargo, este enfoque para la estimación de la densidad de árboles tiene errores e incertidumbres inherentes, particularmente para las tierras secas, para las cuales se dispone de relativamente pocas mediciones de campo para calibrar los modelos.
La capacidad de mapear el tamaño y la ubicación de las copas de los árboles individuales utilizando dichos datos satelitales complementará la información disponible de otros instrumentos que proporcionan datos sobre la altura de los árboles, los perfiles verticales de las copas y la biomasa de madera por encima del suelo. Brandt y sus colegas han demostrado claramente el potencial para el futuro mapeo global de las copas de los árboles a escalas submétricas.
