Terrestrial LiDAR Predicts Dry Fuel Weight in Pine Savannas

Resumen Técnico: El LiDAR Terrestre Predice el Peso del Combustible Seco en Sabanas de Pinos

Planteamiento del Problema
La cuantificación precisa de los combustibles superficiales y subsuperficiales es esencial para predecir el comportamiento del fuego, el consumo de carbono y los impactos ecológicos en los ecosistemas adaptados al fuego. Sin embargo, los métodos convencionales, como el de "cortar y pesar" (clip-and-weigh) y la estimación ocular, requieren mucha mano de obra, son propensos al sesgo del observador y a menudo no logran capturar la heterogeneidad a escala fina de los lechos de combustible. En las sabanas de pinos tropicales, como las de Belice, la gestión se basa frecuentemente en el "Tiempo desde el Último Fuego" (TSF, por sus siglas en inglés) como un indicador del la carga de combustible. Este enfoque es insuficiente porque no tiene en cuenta la acumulación de biomasa rápida y no lineal característica de estos sistemas de alta productividad. Existe una necesidad crítica de métodos eficientes, de alta resolución y no destructivos para medir la dinámica del combustible en estos entornos para apoyar un mejor modelado del fuego, la contabilidad del carbono y la gestión del hábitat para especies como el loro de cabeza amarilla, que se encuentra en peligro de extinción.

Metodología
El estudio se llevó a cabo durante la estación seca de 2024 en 27 sitios de Payne's Creek National Park y Deep River Forest Reserve, en el sur de Belice. El diseño de la investigación combinó el muestreo destructivo con el Escaneo Láser Terrestre (TLS) para validar el poder predictivo de las métricas de TLS.

• Recolección de Datos: Los investigadores establecieron 27 parcelas que abarcan gradientes en tipo de combustible (hierba, palmeto, arbusto, pino y mezclas) y TSF (que oscila entre 6 meses y 4 años). Dentro de cada parcela, se establecieron tres subparcelas de corte destructivo de 1 m³ (81 en total), donde la vegetación combustible fue cortada, secada en horno y pesada para determinar la masa seca consumible (kg m⁻³).
• Adquisición de TLS: Se recolectaron nubes de puntos de TLS de punto único utilizando un escáner Leica BLK360 Gen 1. El protocolo siguió configuraciones estandarizadas de escaneo único para minimizar la oclusión y maximizar la cobertura de las áreas de las subparcelas de corte.
• Derivación de Métricas: Los datos procesados produjeron métricas basadas en vóxeles, incluyendo el volumen de vóxel ocupado, la densidad de área foliar por estrato de altura, índices de fracción de huecos/apertura, volumen de madera/hojas del dosel superior y estadísticas de dispersión vertical (específicamente la altura mediana del vóxel del sotobosque de 1 m).
• Análisis Estadístico: Se emplearon Modelos Aditivos Generalizados (GAM) para modelar la masa seca promedio de la parcela. El análisis comparó modelos de una sola variable frente a un modelo completo que incorporaba el tipo de combustible, el TSF, el volumen del dosel superior, la altura del vóxel del sotobosque y un índice de apertura lateral local. El rendimiento del modelo se evaluó mediante R² ajustado, desviación explicada y validación cruzada de k-pliegues (k-fold).

Resultados Clave
El estudio demostró que las métricas estructurales derivadas de TLS superan significamente a los indicadores tradicionales como el TSF o los tipos de combustible categóricos de forma aislada.

• Rendimiento del Modelo: El mejor Modelo Aditivo Generalizado logrado alcanzó un R² de 0.86 y explicó el 91% de la desviación en la masa de combustible seco.
• Importancia de los Predictores:
  • Apertura Lateral: El índice de apertura lateral local (porcentaje de ceros en la columna vertical de 0–0.5 m cerca del escáner) mostró la relación negativa más fuerte con la masa seca. La masa consumible disminuyó drásticamente cuando la apertura local superó aproximadamente el 90%.
  • Tiempo desde el Último Fuego (TSF): Aunque el TSF fue un término significativo en el modelo multivariante (p=0.01), fue un predictor débil por sí solo (R² ≈ 0.14), confirmando su insuficiencia como métrica independiente en estos sistemas tropicales.
  • Métricas Estructurales: El volumen de madera/hojas del dosel superior y la altura mediana del vóxel del sotobosque fueron predictores individuales fuertes (cada uno con un R² = 0.62). La combinación de estas métricas sugiere una relación sinérgica donde los sitios que soportan una mayor densidad de dosel de pinos también acumulan una mayor biomasa en el sotobosque.
  • Tipo de Combustible: Aunque los tipos de combustible arbustivos tuvieron una masa consumible significativamente mayor que los tipos de palmeto, el tipo de combustible categórico proporcionó menos granularidad que las variables estructurales continuas derivadas de TLS.

Significancia y Reivindicaciones
Los autores afirman que este estudio valida el TLS como una herramienta robusta y eficiente para estimar la masa de combustible consumible en las sabanas de pinos. La principal significancia radica en la capacidad de las métricas de TLS, que capturan directamente la estructura cercana a la superficie, para superar a las clasificaciones categóricas o a los indicadores temporales por sí solos.

• Utilidad Operativa: Este enfoque ofrece una vía para producir conjuntos de datos de combustible tridimensionales y voxelizados para modelos de fuego basados en la física (por ejemplo, QUIC-Fire) y para la planificación de la gestión.
• Implicaciones de Gestión: Los hallazgos apoyan un monitoreo más rápido de los resultados de los tratamientos y una mejor contabilidad del carbono. Los datos revelaron que la acumulación de biomasa se estanca aproximadamente dos años después del fuego, lo que sugiere que los intervalos de fuego prescrito de 2 a 3 años encuentran cargas de combustible predecibles. Esta estabilidad ayuda a mantener el hábitat para la fauna dependiente del fuego mientras se evita la invasión de arbustos.
• Escalabilidad: El estudio demuestra que los protocolos de TLS de un solo escaneo pueden ser efectivos para la estimación de la biomasa del sotobosque en ecosistemas quemados con frecuencia, proporcionando una alternativa escalable al muestreo destructivo que requiere mucha mano de obra.

El artículo concluye que la integración de TLS con LiDAR aerotransportado y marcos de clasificación puede escalar aún más estos productos de combustible voxelizados a niveles de paisaje, mejorando el vínculo entre las acciones de gestión, el secuestro de carbono y los resultados del hábitat ecológico.