Estimating Above-Ground Blue Carbon in a Tropical Mangrove Using Multispectral Unmanned Aerial Vehicle Imagery

Resumen Técnico: Estimación del Carbono Azul Sobre el Suelo en un Manglar Tropical mediante Imágenes Multiespectrales de Vehículos Aéreos No Tripulados

Planteamiento del Problema
Los bosques de manglares son ecosistemas críticos de carbono azul, que almacenan cantidades significativas de carbono en su biomasa. Sin embargo, cuantificar con precisión este stock de carbono es logísticamente desafiante debido al terreno difícil de los entornos de manglar (lodo no consolidado, raíces aéreas densas) y las limitaciones de los inventarios de campo tradicionales, que consumen mucho tiempo y cubren áreas pequeñas. Si bien las imágenes satelitales y los drones equipados con LiDAR ofrecen alternativas, existe una escasez de metodologías que utilicen imágenes multiespectrales de drones para derivar parámetros estructurales (como las dimensiones y la altura del dosel) para la estimación de la biomasa en bosques de manglar complejos y heterogéneos. Además, las estimaciones globales de carbono existentes suelen carecer de la resolución necesaria para capturar la variabilidad local, particularmente en sistemas degradados o bajo presión antropogénica como la bahía estuarina de Suape en Brasil.

Metodología
El estudio desarrolló un flujo de trabajo reproducible para estimar la Biomasa Aérea (AGB, por sus siglas en inglés) y el stock de carbono utilizando imágenes multiespectrales de Vehículos Aéreos No Tripulados (UAV) y Análisis de Imágenes Basado en Objetos (OBIA).

• Adquisición de Datos: Un dron DJI P4 Multispectral capturó imágenes de alta resolución (RGB, Azul, Verde, Rojo, Red Edge y el Infrarrojo Cercano) sobre un área de 31 hectáreas en la Bahía de Suape, Brasil. Se derivó un Modelo de Altura de Dosel (CHM) restando el Modelo Digital de Terreno (DTM) del Modelo Digital de Elevación (DEM) mediante fotogrametría de Estructura a partir del Movimiento (SfM).
• Flujo de Trabajo de Segmentación: Se implementó un flujo de trabajo de OBIA de cuatro etapas para delinear objetos similares a árboles individuales (TLOs):
  1. Generación de Semillas: Se generaron semillas "VegITD" (copas potenciales) utilizando un algoritmo de máximos locales en el CHM, filtradas por NDVI. Las semillas "NVeg" (áreas no vegetales) se digitalizaron manualmente.
  2. Agrupamiento de Píxeles: Algoritmos de crecimiento de regiones expandieron estas semillas en objetos espectralmente coherentes utilizando umbrales basados en NDVI (para vegetación) y NDWI (para agua/sedimento).
  3. Identificación de la Corona: Una segmentación de multirresolución identificó copas y huecos en el dosel utilizando umbrales espectrales en las bandas de Red Edge e Infrarrojo Cercano.
  4. Delineación de la Forma de la Corona: Una segunda etapa de segmentación expandió las copas confirmadas hacia los límites completos de la corona, restringidos por criterios geométricos (Índice de Forma < 2) y límites de área para evitar la fusión de coronas adyacentes.
• Estimación de la Biomasa: Se evaluaron cinco ecuaciones alométricas. Tres dependían de parámetros derivables de los datos del UAV (Diámetro de la Corona, Área de la Corona, Altura y Índices de Vegetación: GNDVI, SAVI, SR). Dos dependían del Diámetro a la Altura del Pecho (DBH), el cual se estimó mediante una regresión lineal entre la altura medida en campo y el DBH.
• Validación: Se recolectaron datos de verdad de terreno en una parcela de vegetación de 225 m² (P1) que contenía 58 individuos (principalmente Rhizophora mangle). Los TLOs derivados del UAV dentro de esta parcela se compararon con las mediciones de campo de conteo de árboles y altura.

Contribuciones Clave

• Estrategia de Segmentación Novedosa: El artículo introduce un enfoque de OBIA híbrido que integra semillas estructurales (de los máximos locales del CHM) con restricciones espectrales (de la reflectancia multiespectral) para delinear copas de árboles individuales en manglares densos. Este método aborda el problema de los "falsos negativos" de los algoritmos estándar de detección de copas al identificar copas adicionales basadas en la reflectancia espectral (VegDN) donde los picos estructurales no fueron detectados.
• Selección de Ecuaciones: El estudio evaluó sistemáticamente cinco ecuaciones alométricas. Determinó que las ecuaciones que dependen del DBH (estimado vía regresión) o únicamente de índices de vegetación eran menos adecuadas para esta aplicación específica. En cambio, una ecuación basada directamente en el área de la corona y la altura (AGB2) proporcionó las estimaciones más plausibles para la aplicación en áreas extensas, ya que estos parámetros son directamente observables por el UAV sin necesidad de pasos de regresión intermedios.
• Línea Base de Alta Resolución: La investigación proporciona una línea base de alta resolución del stock de carbono para un sistema de manglar sometido a una intensa presión antropogénica (actividades portuarias e industriales), demostrando que incluso los sistemas degradados retienen stocks de carbono significativos.

Resultados

• Desempeño de la Segmentación: El flujo de trabajo delineó exitosamente 5,363 TLOs sobre un área vegetada de 7.5 hectáreas. La validación en la parcela de terreno mostró que el UAV detectó 13 TLOs, lo que corresponde estrechamente a los 13 árboles más altos de la parcela (diferencia de altura media de ~0.17 m), confirmando la capacidad del método para mapear los árboles dominantes del dosel.
• Estimaciones de Stock de Carbono: El estudio estimó el stock de carbono sobre el suelo del manglar de Suape en 79.8 MgC.ha⁻¹ utilizando la ecuación seleccionada AGB2.
• Distribución Espacial: Los stocks de carbono no fueron uniformes; estaban estratificados, con valores más altos concentrados en los árboles adyacentes a los canales estuarinos y disminuyendo hacia el manglar superior y las llanuras mareales hipersalinas.
• Comparación: El valor estimado (79.8 MgC.ha⁻¹) fue mayor que algunas estimaciones regionales (por ejemplo, 50 MgC.ha⁻¹ encontrados 64 km al norte) pero menor que los promedios globales (109.3 MgC.ha⁻¹). El estudio señaló que los conjuntos de datos globales subestimaron el stock local por aproximadamente la mitad, resaltando la necesidad de evaluaciones locales de alta resolución.
• Limitaciones: La metodología subestima inherentemente la biomasa total porque solo detecta los árboles por encima del dosel (vista desde arriba), omitiendo individuos más pequeños y árboles del subdosel. Las ecuaciones basadas en DBH (AGB4, AGB5) arrojaron estimaciones más bajas (33.5–44.7 MgC.ha⁻¹), debido probablemente a la subestimación de árboles más pequeños en la comparación de la parcela de campo y a las incertidumbres de la regresión altura-DBH.

Significancia y Reivindicaciones
Los autores afirman que este estudio demuestra con éxito una metodología rentable, logísticamente factible y reproducible para estimar los stocks de carbono azul en manglares tropicales. La significancia radica en:

1. Escalabilidad: El enfoque de UAV puede inspeccionar 31 hectáreas en el tiempo que toma inspeccionar una sola parcela de 225 m², ofreciendo una ventaja masiva para inventarios a gran escala.
2. Precisión en Sistemas Degradados: La capacidad de generar líneas base precisas en entornos altamente modificados y bajo presión antropogénica es crucial para la planificación de la restauración y la elegibilidad para mercados de carbono (por ejemplo, REDD+, NDCs).
3. Estandarización Metodológica: El flujo de trabajo, una vez definidos los parámetros, es teóricamente reproducible para otros sistemas estuarinos, pudiendo servir como un candidato a protocolo para inventarios estandarizados de carbono azul.
4. Complementariedad: El estudio enfatiza que las evaluaciones locales de alta resolución son esenciales para complementar y corregir las estimaciones globales más amplias, particularmente para alcanzar los niveles de evaluación Tier 3 del IPCC.

El artículo concluye que, si bien el método tiene limitaciones respecto a la detección del subdosel, proporciona una herramienta robusta para generar líneas base de carbono locales, las cuales son vitales para la evaluación de daños ambientales y la gestión de ecosistemas. Se sugiere como trabajo futuro integrar datos de múltiples sensores y refinar las ecuaciones específicas por especie, pero el presente estudio establece una base viable para el monitoreo de carbono azul basado en UAV.