Seguimiento del estado sanitario de las masas forestales en tiempo casi real (near real time) utilizando sensores ecofisiológicos e Internet de las cosas (IoT). Aplicación a estrés hídrico en choperas

Flor Álvarez Taboada. Escuela de Ingeniería Agraria y Forestal (Campus de Ponferrada). Universidad de León.

Sensores ecofisiológicos, Internet de las cosas y choperas

En los últimos años se han desarrollado tecnologías que permiten hacer el seguimiento de los ecosistemas forestales en tiempo real mediante sistemas inteligentes que utilizan el “Internet de las Cosas” (IoT). El término «Internet de las cosas» fue utilizado por primera vez en 1999 por el pionero tecnológico británico Kevin Ashton para describir un sistema en el que los objetos del mundo físico podían conectarse a Internet a través de sensores sin necesidad de intervención humana. Por lo tanto, las herramientas de IoT proporcionan nuevas formas de conectar los ecosistemas a los sistemas inteligentes de monitoreo, por lo que estas tecnologías se han utilizado en la gestión ambiental, como el cartografiado de cambios en la composición y estructura de la vegetación, o el seguimiento de servicios ecosistémicos de árboles urbanos (Matasov et al., 2020).

A partir de estos sistemas IoT se ha desarrollado un dispositivo multifuncional de bajo coste para la observación en tiempo real de parámetros físicos y biológicos de árboles aplicables al seguimiento forestal denominado «TreeTalker» (ahora TreeTalker+ versión 3.3; TT+). Este dispositivo fue desarrollado por Nature 4.0 (Valentini et al., 2019) y es capaz de capturar y medir cada hora numerosas variables ecofisiológicas de los árboles, como el transporte de agua en los árboles (a través de un sensor de flujo de savia), las características espectrales de la radiación electromagnética como la radiación recibida bajo la copa de los árboles (a través de un espectrómetro) o la estabilidad de los árboles (a través de un acelerómetro) en tiempo casi real (Zorzi et al., 2021). La disponibilidad de estos datos es clave para tomar decisiones informadas casi en tiempo real para mejorar la gestión de las masas forestales teniendo en cuenta su condición fisiológica.

Por otro lado, España es el tercer país de Europa con mayor número de chopos, siendo Castilla y León la primera región europea en superficie plantada de choperas, con 45.000 ha (casi la mitad en la provincia de León), que representan el 60% de la superficie cultivada a nivel estatal (Chopo en Castilla y León, 2021). Desde un punto de vista de producción maderera sostenible y responsable, disponer de un sistema de detección y seguimiento de daños/estrés en tiempo casi-real permitiría una mejora cuantitativa del sector del chopo en Castilla y León, en términos de productividad. Además de los aspectos comerciales, se debe considerar que la detección temprana y el seguimiento de los daños en los chopos respaldan el éxito en el manejo de las plantaciones existentes, haciéndolas más saludables, más resistentes y, por lo tanto, capaces de crecer a un ritmo más alto, produciendo más madera. Además, esto proporcionará mayores beneficios en servicios ecosistémicos, junto con otros aspectos alineados con los Objetivos de Desarrollo Sostenible 2030, como el trabajo decente y el crecimiento económico, la producción y el consumo responsable y la acción climática.

¿Cuál es nuestro objetivo?

El objetivo es desarrollar un sistema casi en tiempo real para detectar de forma temprana y hacer un seguimiento del estrés hídrico en plantaciones de clones de chopo (Populus spp.) utilizando sensores ecofisiológicos e Internet de las cosas (IoT). Para ello, nuestra meta ha sido determinar la idoneidad de la densidad del flujo de savia medida por el sensor como indicador para detectar daños por estrés hídrico en estas plantaciones.

¿Cómo lo hemos hecho?

Teniendo en cuenta la importancia de la industria del chopo en la región de Castilla y León, se eligió la provincia de León como área de estudio.  Las parcelas de estudio se establecieron en dos plantaciones multiclonales de chopo, ubicadas respectivamente en los municipios de Villamañán y Villasabariego, plantadas en 2011 y 2012, a raíz profunda y con marco de 6 m x 6 m. En marzo de 2022 se instalaron un total de cinco TreeTalkers (TT+) versión 3.3 en clones Raspalje (2), Beaupré, I-124 y USA 184/144. Estos sensores utilizan un chipset LoRa de baja potencia para la transmisión de datos, para comunicarse con TTcloud. LoRA es un protocolo inalámbrico de larga distancia y baja velocidad que permite la conexión entre varios sensores utilizando una cantidad mínima de energía. El TTCloud se conecta a internet a través de la red GPRS y envía datos a un servidor informático (Altervista), proporcionado por Nature 4.0.

Fig. 1. Partes destacadas de TT+ instaladas en dos de los árboles en seguimiento.

A partir de los datos medidos por los Tree Talkers y recibidos en el servidor, y con código propio desarrollado en R, se calculó la densidad de flujo de savia cada hora en cada árbol. En este análisis solo se utilizaron los valores registrados entre las 12:00 y las 15:00 de cada día, ya que ese período de tiempo presentaba los valores máximos de la serie temporal y deberían corresponderse con los valores máximos de la serie en la actividad estomática. Posteriormente se calculó el promedio móvil de un período de 5 días para cada árbol para julio y agosto de 2022, para suavizar posibles anomalías en la toma de datos y para tratar de obtener un valor representativo semanal. Los datos de marzo a junio no se utilizaron en este trabajo debido a que no hubo eventos de estrés hídrico durante ese período. Además, se midió en campo semanalmente el crecimiento en diámetro a 1,30 m para cada árbol, utilizando dendrómetros permanentes, desde el 23 de marzo de 2022 hasta el 1 de agosto de 2022, y se evaluó una vez por semana el estado sanitario de cada árbol (enfermedades/plagas de hoja, corteza y tallo).

Fig. 2. Chopos cercanos al nivel freático y sin estrés hídrico (arriba) y pies afectados por estrés hídrico (pérdida de hojas y sin crecimiento radial) (abajo) en la parcela de Villlamañán (León).

Durante años anteriores se observó que valores de crecimiento radial muy bajos (cercanos a 0) en el período vegetativo (junio/julio) estaban relacionados con el estrés hídrico, como fase previa a la pérdida de hojas. Por ello, la hipótesis ha sido que, en árboles afectados por estrés hídrico, existe una correlación entre el crecimiento radial y la densidad de flujo de savia, y que hay un valor umbral en la densidad de flujo de savia por debajo del cual el crecimiento es cero o muy cercano a cero en la temporada de crecimiento. Para confirmar esta hipótesis se calculó el coeficiente de correlación producto-momento de Pearson entre la media móvil del flujo de savia entre las 12 y las 15 horas para cada árbol y el crecimiento semanal en diámetro. Además, se ha testado la existencia de un valor umbral en la densidad de savia, que pueda utilizarse como alerta para detectar estrés hídrico que suponga una parada en el crecimiento en diámetro.

¿Y funciona? (Resultados)

Los resultados del análisis de correlación entre la densidad de flujo de savia medida por el TT+ y el crecimiento en diámetro medido semanalmente en campo, han confirmado la idoneidad de esta variable como indicador de alerta temprana de daños en chopos por estrés hídrico.

Los valores de correlación de Pearson fueron 0,89, 0,88 y 0,81 para VM_PIE15, VM_PIE20 y VM_PIE22, respectivamente, con un nivel de confianza del 95 %. Para VS_PIE12, que no mostró síntomas de estrés hídrico o ausencia de crecimiento, no hubo una correlación significativa (r = -0,41, valor de p = 0,30). Para VM_PIE15 y VM_PIE20, que fueron los primeros en mostrar síntomas de estrés hídrico, las líneas que muestran las correlaciones lineales entre las variables (Fig. 3) son muy similares y casi se superponen. VM_PIE22 siguió un patrón diferente y también una fecha no tiene datos, ya que el nivel de batería del TT+ era demasiado bajo para registrar los valores. En cuanto al valor del flujo de densidad de savia para usar como umbral para un sistema de alerta temprana de estrés hídrico, se podría usar 0,7-0,8, ya que el flujo de densidad de savia por debajo de ese valor ha mostrado valores de crecimiento de cero o cercanos a cero.

Fig 3. Relación entre la densidad de flujo de savia y el crecimiento en diámetro en pies con/sin estrés hídrico.

Los resultados muestran también que el intervalo de tiempo durante la mitad del día fue adecuado para identificar valores anómalos en la densidad de flujo de savia, ya que los valores medios de densidad de flujo de savia de los árboles VM_PIE20 y VM_PIE15 fueron inferiores a los correspondientes a VM_PIE22, lo cual se reflejó en las mediciones diamétricas semanales. Posteriormente, VM_PIE15 dejó de crecer, las hojas se volvieron amarillas y finalmente sufrió una pérdida total de hojas a mediados de julio. En el caso de VM_PIE20, hubo una pérdida de hojas del 75% a fines de julio. Cabe destacar que todos son clones diferentes y pueden tener diferentes tolerancias al estrés hídrico.

Y concluimos que…

El uso combinado de sensores ecofisiológicos, densidad de flujo de savia e IoT ha resultado eficaz para la detección temprana y casi en tiempo real del estrés hídrico en plantaciones de chopo. Esta detección temprana del estrés hídrico se registró incluso antes de que se reflejara en la pérdida de hojas. Se considera necesario disponer de una serie temporal más larga con más árboles con sensores instalados para determinar la utilidad de esta variable en caso de estrés por calor y en el caso de plagas/enfermedades (descortezadores, pulgón, roya, etc.).

Para que sea viable económicamente y operativo, el sistema de detección y seguimiento de daños propuesto se basa en sensorizar con los TT+ únicamente los árboles “centinela” (que ya han sufrido daños anteriormente o que pueden considerarse como representativos de una zona de la chopera), que son los que informarían de la alerta temprana a escala de árbol individual, mientras que a escala de rodal se podrían emplear sensores remotos como Sentinel 2 MSI, que con frecuencia semanal proporcionan de forma gratuita del vigor de la vegetación.

REFERENCIAS

  • Chopo en Castilla y León Homepage, http://www.populuscyl.es/, last accessed 2022/09/01.
  • Grisales-Sanchez, I., Arthus-Bacovich, R., Castedo-Dorado, F., Garnica-López, J. , Álvarez-Taboada, F.: Near-real time forest health monitoring using ecophysiological sensors and the Internet of things (IoT). A study case for water stress in sustainable poplar plantations. Global Challenges for a Sustainable Society. EURECA-PRO The European University for Responsible Consumption and Production. Springer. ISBN: 978-3-031-25839-8 (2023).
  • Matasov, V., Belelli Marchesini, L., Yaroslavtsev, A., Sala, G., Fareeva, O., Seregin, I., Castaldi, S., Vasenev, V., Valentini, R.: IoT Monitoring of Urban Tree Ecosystem Services: Possibilities and Challenges. Forests 11, 775 (2020).
  • Valentini, R., Belelli Marchesini, L., Gianelle, D., Sala, G., Yarovslavtsev, A., Vasenev, V., Castaldi, S.: New tree monitoring systems: From Industry 4.0 to Nature 4.0. Annals of Sil-vicultural Research 43, 84–88 (2019).
  • Zorzi, I., Francini, S., Chirici, G. and Cocozza, C.: The TreeTalkersCheck R package: An automatic daily routine to check physiological traits of trees in the forest. Ecological Infor-matics 66, 101433 (2021).
Marcar como favorito enlace permanente.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *