Autor: RIBAS COSTA, Vicent Agustí
Título: Modelling productivity via remote sensing in forests under different management regimes
Fecha: 2025
Materia: ---
Escuela: E.T.S.I. DE MONTES, FORESTAL Y DEL MEDIO NATURAL
Departamento: SISTEMAS Y RECURSOS NATURALES
Acceso electrónico: https://oa.upm.es/91835/
Director/a(s):
- Director/a: GASTÓN GONZÁLEZ, Aitor
Resumen: Forest management is the structured process of planning and applying practices to ensure the sustainable use and stewardship of forest ecosystems, aiming to achieve ecological, economic, and social objectives. Given the wide range of potential goalssuch as timber production, carbon sequestration, biodiversity conservation, pest and disease control, wildfire prevention, and land-use planningand the multifunctional nature of forests, forest management is inherently complex. Achieving these objectives requires planning operations across varying spatial scales and timeframes. This complexity forms the foundation of forest management, which typically involves several stages: setting objectives, collecting data, analyzing the data, and developing a plan to meet the defined goals. This dissertation primarily focuses on the data collection stage, while also addressing elements of the others. In this scenario, remote sensing defined as the process of acquiring information from an object or area without physically touching it plays a crucial role in the development and refinement of new, precise, and powerful methodologies for the acquisition of environmental data. When integrated with traditional forest inventories, remote sensing represents a pivotal advancement, transforming the way forest ecosystems are surveyed, mapped, and monitored. This thesis contributes to this evolving field by developing, assessing, and applying remote sensing-based techniques, mostly focusing on LiDAR and aerial imaging, in two different environments with varying levels of forest management. Loblolly pine (Pinus taeda L.) plantations in the southeastern US are used as a model of high-input, intensively managed forests. First, US Geological Survey LiDAR acquisitions are used to model site index, to then make those models spatially explicit and map productivity at a regional scale (Section 3.1). After, those models are implemented into a landscape-scale assessment of forest productivity, focusing on the decryption of its main drivers (Section 3.2). Results show that the publicly available LiDAR is a significant source of information with tremendous potential for large-scale monitoring of forest ecosystems, specifically highly productive plantations for timber or carbon assessments. Aleppo pine (Pinus halepensis Mill.) forests on Ibiza (Spain) represent low-input, unmanaged ecosystems abandoned in the mid XX century, now presenting challenges for Mediterranean forest management. Here, also publicly available remote sensing data Plan Nacional de Ortofotografía Aérea (PNOA) LiDAR and orthoimagery was used. In this case, models of forest attributes were developed and validated (Section 3.3), including a discrete forest age classification based on historical aerial imaging (Section 3.4), which were then combined to produce forest productivity estimates, a variable that was integrated into a Multiple-Criteria Decision Analysis (MCDA) framework to prioritize forest management areas (Section 3.5). Again, the research shows how high-quality and precision forest management can be better informed when data from ground forest inventories is combined with remotely sensed resources. Overall, our findings demonstrate that publicly available remote sensing data are not only highly effective in advancing state-of-the-art modeling techniques in forest management but also in generating actionable products that can be seamlessly integrated into a variety of decision-support tools. These tools play a key role in redefining multipurpose forest management by enhancing accessibility, usability, and user uptake and bridging the gap between raw data and practical applications. This has significant implications for both industrial innovation and academic research, while also contributing to more transparent, informed policy development. RESUMEN La gestión forestal es el proceso de planificación y aplicación de prácticas para garantizar el uso sostenible y la conservación de los ecosistemas forestales, con el objetivo de alcanzar metas ecológicas, económicas y sociales. Dada la variedad de objetivos como producción de madera, captura de carbono, conservación de la biodiversidad, control de plagas y enfermedades, prevención de incendios forestales u ordenación del territorio y la naturaleza multifuncional de los bosques, la gestión forestal es compleja. El cumplimiento de estos objetivos requiere planificar en distintas escalas espaciales y temporales. Esta complejidad constituye la base de la gestión forestal, que normalmente comprende varias etapas: la definición de objetivos, la recopilación de datos, el análisis de dichos datos y la elaboración de un plan para alcanzar las metas definidas. Esta tesis se centra principalmente en la fase de recogida de datos, aunque también aborda aspectos de las demás etapas. En este contexto, la teledetección definida como el proceso de obtención de información sobre un objeto o área sin contacto físico desempeña un papel fundamental en el desarrollo de metodologías nuevas, precisas y eficaces para la adquisición de datos ambientales. Al integrarse con los inventarios forestales tradicionales, la teledetección supone un avance clave, transformando la forma en que se inspeccionan, cartografían y monitorizan los ecosistemas forestales. Esta tesis contribuye a este campo mediante el desarrollo, evaluación y aplicación de técnicas basadas en teledetección, centradas principalmente en LiDAR e imágenes aéreas, en dos entornos con diferentes niveles de gestión. Por un lado, las plantaciones de pino tea (Pinus taeda L.) del sudeste de los EE. UU. se utilizan como ejemplo de ecosistema intensamente gestionado. En primer lugar, el LiDAR público de la sociedad geológica de los EE. UU. (USGS) se emplea para modelar la calidad de estación de esas masas, permitiendo proyectar esos modelos y generar mapas a gran escala de dicha variable (Sección 3.1). Después, estos mapas se implementan en un estudio regional sobre los principales factores que influyen en la calidad de estación de estas masas arboladas (Sección 3.2). Los resultados muestran que los datos LiDAR constituyen una fuente de información valiosa con gran potencial para la monitorización a gran escala de ecosistemas forestales, especialmente en plantaciones productivas y evaluaciones de carbono. Por otro lado, los bosques de pino carrasco (Pinus halepensis Mill.) del Mediterráneo, concretamente los de la isla de Ibiza (Islas Baleares), representan un ejemplo de bosques abandonados desde mediados del siglo XX, siendo su gestión activa un reto actual. En este caso, los datos de teledetección públicos del Plan Nacional de Ortofotografía Aérea (PNOA) principalmente LiDAR y ortofotos se emplean para construir modelos de atributos estructurales de las masas (Sección 3.3), incluyendo una clasificación de edades generada a partir de ortofotos históricas (Sección 3.4). Finalmente, los datos de ambas secciones se combinan para estimar la productividad forestal, variable que se integra en un entorno de decisión multicriterio espacialmente explícito para localizar áreas prioritarias para la gestión (Sección 3.5). Una vez más, la investigación demuestra cómo una gestión forestal precisa puede mejorar notablemente mediante la combinación de inventarios terrestres y teledetección. En general, nuestros resultados muestran que los datos de sensores remotos públicos son útiles tanto para desarrollar modelos avanzados en gestión forestal como para crear productos prácticos que se pueden integrar en herramientas de apoyo a la toma de decisiones. Estas herramientas mejoran la accesibilidad y el uso de la información, facilitando su aplicación práctica. Esto tiene un impacto positivo en la innovación, la investigación y el diseño de políticas más transparentes e informadas.