El caso de China: Algoritmos que cuentan miles de millones de árboles
Una tecnología avanzada clave, cuyo potencial se está viendo multiplicado gracias a la inteligencia artificial, es LIDAR (Light Detection and Ranging). Desarrollada inicialmente entre los años 60 y 70, esta técnica permite escanear el paisaje para crear mapas 3D increíblemente detallados, capaces de «ver» incluso a través de la vegetación densa. Su funcionamiento se basa en emitir pulsos de luz láser y medir el tiempo que tardan en regresar tras rebotar en los objetos, generando así nubes masivas de puntos tridimensionales.
En el pasado, el análisis detallado de estos datos, la interpretación del contenido y la cuantificación de los elementos eran tareas realizadas por especialistas con herramientas limitadas. Evidentemente, se trataba de un trabajo arduo y pesado. Hoy, la incorporación de la inteligencia artificial para realizar estas tareas nos abre puertas a capacidades inéditas, ya que es esta inteligencia artificial la que tiene la capacidad para convertir los miles de millones de puntos de datos resultantes de un proceso LIDAR en conocimiento útil, como veremos en el extraordinario caso del inventario forestal de China.»
LIDAR: El Ojo Láser que Mapea en 3D
Montado en aviones, drones o satélites, LIDAR emite millones de pulsos láser por segundo. Estos rebotan en todo lo que encuentran (copas de árboles, ramas, suelo) y regresan al sensor. Midiendo el tiempo de retorno y conociendo la posición exacta del sensor, se calcula la coordenada tridimensional (x, y, z) de cada punto de rebote. El resultado es una «nube de puntos» masiva que representa con altísima fidelidad la topografía y la estructura tridimensional de la vegetación. El sistema trabaja con órdenes de magnitud que pueden ir desde los 5 puntos por metro cuadrado a la centena de puntos por metro cuadrado.
Inteligencia artificial: el cerebro que hace posible lo imposible
Aquí es donde la IA demuestra su valor insustituible. Algoritmos de aprendizaje automático (Machine Learning) y, cada vez más, de aprendizaje profundo (Deep Learning) son entrenados para interpretar estas complejas nubes de puntos 3D.
¿Qué significa esto en la práctica? Significa que la IA aprende a «ver» dentro de esos millones de puntos. Una de las primeras cosas que aprende a hacer es medir con gran precisión la altura de cada árbol individual, analizando la diferencia entre los puntos más altos de su copa y el nivel del suelo detectado por LIDAR.
Pero va mucho más allá. Analizando la forma tridimensional detallada de la copa capturada por LIDAR –su densidad, su contorno, la disposición de las ramas principales– los algoritmos pueden llegar a diferenciar entre distintos tipos de árboles, como distinguir coníferas de árboles de hoja ancha (frondosas), o incluso, con un grado de acierto notable en muchos casos, identificar algunas especies específicas basándose en su estructura característica reflejada en la nube de puntos.
Además, aunque es un campo más complejo y en desarrollo, la IA puede, en algunos casos, llegar a dar indicios sobre la salud de los árboles. Cambios sutiles en la densidad de la copa que detecta el algoritmo, la presencia de grandes ramas muertas identificadas por la estructura 3D, o variaciones significativas en la forma esperada para un árbol de cierto tipo y tamaño, pueden ser interpretados como señales de estrés hídrico, enfermedades, daños por viento o plagas, ofreciendo así una información valiosísima para una gestión forestal proactiva.
Todo esto –medir alturas con exactitud, diferenciar tipos de árboles e incluso obtener pistas sobre su estado de salud– aplicado a millones o miles de millones de árboles individuales, demuestra cómo la IA no solo automatiza, sino que habilita análisis a una escala y con una complejidad que superan radicalmente las capacidades humanas.
El caso práctico – China: superando limitaciones inimaginables
El encargo y el reto principal para los investigadores que desarrollaron el proyecto fue cuantificar con precisión las poblaciones de árboles en toda China y examinar sus patrones espaciales a múltiples escalas, abordando las limitaciones de las investigaciones previas
Para abordar estos desafíos, el compromiso de los investigadores fue presentar un método para estimar las poblaciones de árboles en China utilizando datos LiDAR aerotransportados por UAV (Vehículos Aéreos No Tripulado), con el objetivo de responder a la pregunta fundamental: ¿Cuántos árboles hay en China? Además, se propusieron integrar este enfoque con datos de distribución forestal existentes para examinar los patrones espaciales de las poblaciones de árboles a múltiples escalas y generar datos de distribución de la densidad de árboles para China a una resolución de 100 metros cuadrados . Finalmente, buscaron generar un mapa de alta resolución espacial de la densidad de árboles en toda China, proporcionando información valiosa para la gestión de ecosistemas forestales y el desarrollo de políticas relacionadas con la protección de bosques naturales y la forestación
- Se recopilaron más de 400 TB de datos LiDAR de UAV, cubriendo más de 1400 km² en diversos ecosistemas forestales de China.
- Los datos procesados se dividieron en cuadrículas forestales de 100 m × 100 m, y los árboles individuales se identificaron mediante un algoritmo de segmentación dentro del software LiDAR360, con verificación visual manual.
- Para generar un mapa de densidad arbórea, se incorporaron 27 características geoespaciales (climáticas, edáficas, topográficas, vegetativas y antropogénicas) de múltiples fuentes de teledetección.
- Se emplearon cinco algoritmos de aprendizaje automático de alto rendimiento (LGBM, GBR, CAT, RF y XGB) y se promediaron sus resultados para generar el mapa final de densidad arbórea y las estimaciones de incertidumbre.
La cifra final se estimó en 142.6 ± 0.35 (media ± SD) billones de árboles en toda China. Esta cifra se obtuvo extrapolando la densidad de árboles promedio de 689 ± 17 (media ± SD) árboles/ha., calculada mediante la aplicación de modelos predictivos de densidad de árboles, entrenados con los datos LiDAR de los 1400 km² analizados.
Un detalle interesante del proyecto ha sido la validación de estos resultados a tan gran escala. Para asegurar que las estimaciones generadas por la IA fuesen fiables, el proceso ha requerido comparar los datos aéreos con mediciones exhaustivas realizadas en parcelas de muestreo sobre el terreno. Este contraste entre la visión remota y la verificación ‘in situ’, aplicado a los increíblemente diversos tipos de bosque y terrenos complejos presentes en China, fue fundamental no solo para ajustar los algoritmos y entender su grado de acierto, sino también para dotar de robustez científica al impresionante número final del inventario.
Más allá del conteo y el contexto europeo/español
La Inteligencia Artificial puede convertirse en un buen aliado para la mejora de nuestro medio ambiente en muchos ámbitos. El conteo de árboles en China es solo un ejemplo ciertamente espectacular. La misma combinación LIDAR+IA puede usarse para evaluar la salud forestal, detectar plagas tempranamente, optimizar el uso del agua en la agricultura, monitorizar glaciares o descubrir patrimonio arqueológico oculto.
Es importante remarcar que estas tecnologías no son ajenas a Europa y España. La tecnología LIDAR se ha utilizado y se utiliza en nuestro entorno para diversas aplicaciones cartográficas, de infraestructuras o de gestión de riesgos, y también en campos como la conducción automatizada. Existen diferentes grupos de investigación en universidades españolas que trabajan estas tecnologías. Por tanto, estamos en condiciones, y contamos con base tecnológica y de conocimiento suficiente, para poder ampliar el uso de LIDAR combinado con IA para abordar nuevos retos que sean socialmente relevantes e interesantes. El potencial está ahí, esperando ser aprovechado de manera más decidida.
Una llamada a la acción proactiva por la IA
Hemos visto cómo la sinergia entre LIDAR y la Inteligencia Artificial permite realizar tareas de un impacto social y ambiental enorme, que antes eran simplemente inviables. La IA es en este caso el motor que transforma datos masivos en conocimiento accionable, superando limitaciones analíticas que nos frenaban.
Utilizar la inteligencia artificial, como en el caso expuesto para mantener nuestros bosques, es un activo valiosísimo y un ejemplo claro de su potencial positivo. Debemos en estos casos apostar decididamente por la IA, prepararnos y trabajar para integrarla de forma inteligente y responsable en la búsqueda de un futuro más sostenible y próspero.
- Referencia: K. Cheng, H. Yang, Y. Chen et al., How many trees are there in China?, Science Bulletin, https://doi.org/10.1016/j.scib.2025.02.001
