Evaluation of DBH measurement and tree detection in eucalyptus stands using SLAM systems

Resumen Técnico: Evaluación de la Medición de DBH y Detección de Árboles en Plantaciones de Eucalyptus mediante Sistemas SLAM

Planteamiento del Problema
La intensificación de la silvicultura industrial en América del Sur, particularmente dentro del sector de celulosa y papel, exige soluciones digitales para los inventarios forestales con el fin de mejorar la eficiencia, la trazabilidad y el rigor técnico. Si bien tecnologías como el mapeo y localización simultánea (SLAM), el escaneo láser terrestre (TLS) y la detección de objetos basada en aprendizaje profundo están emergiendo, existe la necesidad de una validación rigurosa de estas herramientas bajo condiciones operativas en plantaciones comerciales de eucalipto. Específicamente, se debe comparar la precisión de la estimación del Diámetro a la Altura del Pecho (DBH) y la fiabilidad de la detección automática de árboles frente a los métodos manuales tradicionales para determinar su viabilidad para la adopción a gran escala.

Metodología
El estudio se llevó a cabo en plantaciones comerciales de Eucalyptus urograndis en Coronel Bogado, Paraguay, consistentes en rodales de seis a siete años de edad con un espaciamiento de 4.5 m × 2.0 m. La investigación comparó dos métodos de recolección de datos en nueve parcelas de muestra que contenían un total de 3,779 árboles:

1. Método de Referencia (Tradicional): Medición manual de DBH utilizando calibradores Haglöf por parte de dos operadores de campo. Los datos fueron registrados en hojas de cálculo, realizando dos mediciones por árbol para asegurar la precisión.
2. Método Propuesto (Sistema Katam): Recolección de datos basada en video utilizando una cámara de acción GoPro 10 montada en un soporte manual. Los operadores caminaron linealmente a lo largo de las filas de plantación, capturando videos perpendiculares a 90° de la primera fila de árboles. El sistema utilizó un flujo de trabajo propietario que combina algoritmos SLAM para la reconstrucción 3D y Redes Neuronales Convolucionales (CNN) para la detección de árboles y la extracción del DBH.
   • Procesamiento de Datos: Los videos se cargaron a un servicio en la nube para su procesamiento automatizado. El sistema identificó brechas basadas en el espaciamiento constante de la plantación y excluyó árboles con DBH < 6 cm.
   • Sincronización: Para asegurar una correspondencia uno a uno entre los registros manuales y digitales, se colocaron marcadores de código QR cada 10 árboles para vincular los conjuntos de datos.
3. Análisis Estadístico: El estudio empleó estadística descriptiva, análisis de Bland-Altman para la concordancia y el coeficiente de correlación de concordancia de Lin. El desempeño de la detección de árboles se evaluó utilizando métricas de precisión, exhaustividad (recall) y puntuación F1.

Contribuciones Clave

• Validación Operativa: El estudio proporciona una comparación directa y a gran escala (n > 3,700 árboles) entre un sistema de video/SLAM de grado de consumo y las mediciones manuales con calibrador en un entorno de plantación comercial homogéneo.
• Métricas de Detección: Establece parámetros de alto rendimiento para la detección de árboles en plantaciones estructuradas por filas, demostando que la adquisición de video a nivel del suelo puede lograr tasas de detección casi perfectas.
• Caracterización de Sesgos: La investigación cuantifica el sesgo sistemático inherente a la estimación de DBH basada en SLAM, proporcionando una base para posibles factores de corrección en los flujos de trabajo operativos.
• Cuantificación de la Eficiencia: El estudio mide explícitamente el ahorro de tiempo del método digital en comparación con los levantamientos tradicionales, ofreciendo datos económicos para la planificación de inventarios.

Resultos

• Precisión del DBH: El sistema Katam demostró un sesgo medio de -0.3 cm (-1.9%), lo que indica una ligera subestimación sistemática en comparación con los calibradores manuales. La desviación estándar media del error fue de 0.97 cm (5.6%). El coeficiente de determinación ($R^2$) fue de 0.87.
  • Los errores fueron consistentes entre las parcelas, con errores relativos que oscilaron entre -0.6% y -3.0%.
  • La estratificación por clase de diámetro reveló que los errores relativos fueron mayores en las clases de menor diámetro (<14.1 cm) y menores en las clases más grandes, una tendencia consistente con otras tecnologías de teledetección.
• Desempeño de la Detección de Árboles: El sistema logró una fiabilidad de detección excepcional:
  • Precisión: 100% (0 falsos positivos).
  • Exhaustividad (Recall): 99.4% (24 falsos negativos de 3,779 árboles).
  • Puntuación F1: 99.7%.
  • Los 24 árboles no detectados (0.64%) fueron principalmente aquellos con DBH < 6 cm, obstruidos por vegetación o que presentaban bifurcación basal.
• Eficiencia Operativa: La recolección de datos digitales requirió aproximadamente 2 minutos por parcela (40 árboles), en comparación con los 15 minutos del método tradicional que involucra a dos encuestadores. Esto representa una reducción del 85% en el tiempo de campo.

Significancia y Reivindicaciones
Los autores afirman que el sistema Katam ofrece una alternativa consistente y precisa a los métodos de inventario tradicionales para las plantaciones comerciales de eucalipto. El estudio concluye que:

1. La Precisión es Suficiente para las Operaciones: El sesgo de DBH observado (-1.9%) es bajo y consistente, situándose dentro del rango de variabilidad de las mediciones manuales en inventarios comerciales. Los autores sugieren que este sesgo puede corregirse mediante factores empíricos o modelos de regresión.
2. La Detección es Robusta: La tasa de detección casi perfecta (F1 = 99.7%) y la ausencia de falsos positivos significan que el sistema no corre el riesgo de sobreestimar la densidad del rodal, un factor crítico para la planificación operativa (por ejemplo, fertilización, replantación). La tasa de no detección (0.64%) está por debajo de los umbrales operativos estándar para la replantación (5–10%).
3. Viabilidad Económica: La reducción del 85% en el tiempo de campo por parcela se traduce en ahorros agregados sustanciales en días-hombre y logística, permitiendo ciclos de monitoreo más frecuentes sin aumentar los costos.
4. Trazabilidad: A diferencia de los registros manuales, el sistema basado en video proporciona datos brutos georreferenciados y con marca de tiempo, lo que mejora la trazabilidad y la auditabilidad para la certificación forestal y la verificación de la cadena de suministro.

El documento mantiene una postura modesta, reconociendo que la validación se limitó a una sola región fisiográfica, una clase de edad específica y un espaciamiento determinado. Señala que el desempeño del sistema depende de la representatividad de los datos de entrenamiento y que el método debe verse mejor como complementario a los levantamientos manuales, los cuales siguen siendo superiores para evaluar atributos cualitativos como defectos del tallo y tortuosidad.