Introducción

El incremento en la demanda de productos y servicios que se obtienen del bosque, junto con la necesidad de preservar el medio ambiente y los recursos naturales, ha propiciado el establecimiento de bosques plantados para satisfacer de manera más eficiente estas demandas. Además, suelen contribuir a reducir las presiones sobre los bosques naturales, que cada vez se enfocan más en la conservación de la biodiversidad y en la regulación de recursos naturales como el suelo y el agua (^{Musálem, 2006}). Es por ello, que el desarrollo de métodos precisos para el inventario maderable, orientados a estimar los parámetros estructurales de los bosques plantados son una herramienta silvícola crucial para la predicción de la productividad forestal; además, pueden proporcionar una evaluación cuantitativa de las masas forestales.

El inventario forestal describe la cantidad, tamaño y calidad de los árboles de un bosque, así como otras características de la superficie donde crecen (^{Ayrey & Hayes, 2018}. También, es la base de análisis y planificación que constituye el punto de partida de la gestión forestal sostenible. La estimación de la información de un solo árbol y del rodal completo es una de las tareas centrales del inventario forestal.

En México, tradicionalmente, los datos del inventario forestal se recopilan mediante equipo de medición manual como las cintas diamétricas o las forcípulas para el diámetro normal (DAP), el clinómetro para la altura total (AT) o fuste limpio (FL), así como flexómetros para la medición de los diámetros de copa (DC). En la práctica, esto requiere mucho tiempo y personal, además es costoso (^{Liang et al., 2018}; ^{Ritter et al., 2017}); esta estrategia que se realiza directamente en el bosque es la base para efectuar estudios que utilizan métodos indirectos de medición. Lo anterior exige evaluar y comparar métodos alternativos como los de percepción remota, para derivar parámetros de los árboles (^{Ciesielski & Sterenczak, 2019}; ^{Hernández, 2020}).

El escáner láser terrestre (TLS) se reconoce cada vez más como una opción alternativa a los métodos convencionales de inventario forestal (^{Liang et al., 2016}; ^{Newnham et al., 2015}). En los últimos años se han desarrollado con éxito algoritmos automáticos para la detección y medición de árboles mediante TLS (^{Calders, 2015}; ^{Elsherif et al., 2018}; ^{Estornell et al., 2017}). El TLS, al medir las distancias a múltiples puntos en las superficies de los objetos circundantes, construye nubes de puntos 3D a partir de las cuales se pueden estimar rápidamente los tamaños y las distribuciones espaciales de los árboles. Sin embargo, el alto costo del equipo TLS (cuyo precio suele superar los 40 000 dólares estadounidenses) lo ha puesto fuera del alcance de muchos usuarios potenciales (^{Mokroš et al., 2021}; ^{Tatsumi et al., 2021}; ^{Wang et al., 2022}). En adición, el peso de estos también ha sido un desafío, lo que dificulta su transporte hacia y dentro de algunas áreas, lo que agrega costos por tiempo invertido en el traslado y manipulación (^{Gollob et al., 2021}).

La necesidad de programas informáticos especializados es otro factor que ha limitado el uso colectivo del TLS (^{Elsherif et al., 2018}; ^{Hernández, 2020}). Para superar esto, se han usado, como métodos alternativos, el escáner láser móvil (MLS) (^{Liang et al., 2014}) y la fotogrametría de corto alcance (^{Tomaštík et al., 2017}). Algunos estudios señalan que estos dispositivos móviles pueden adquirir nubes de puntos 3D en bosques (^{Gollob et al., 2021}; ^{Mokroš et al., 2021}; ^{Wang et al., 2022}). Sin embargo, para derivar información a nivel de árbol de estas nubes (p. ej. diámetro del fuste) se deben realizar análisis posteriores en un dispositivo separado con múltiples softwares (^{Wang et al., 2022}).

En la actualidad, existe como alternativa el uso de aplicaciones para iPhone ^® /iPad ^® , dispositivos móviles personales (smartphones o tablets), para el registro de información 3D de árboles individuales en un contexto de inventario forestal, que son fáciles de usar y de bajo costo. Desde 2020, Apple Inc. ^® (^{Apple Inc., 2022}) incorporó un sensor de alcance y detección de luz (LiDAR) en algunos modelos de iPhone ^® y iPad ^® (versiones Pro), los cuales están disponibles con precio aproximado de 1 000 USD y son de peso liviano (187-684 g), en comparación con otros dispositivos LiDAR en el mercado; además, con una interfaz de programación de aplicaciones de realidad aumentada (AR). Lo anterior, hace posible el acceso a nubes de puntos 3D generadas por LiDAR con dispositivos móviles personales. Este dispositivo funciona con el sensor LiDAR integrado, el sistema de cámaras, los sensores de movimiento (giroscopio de tres ejes, acelerómetro, Unidad de Medición Inercial, barómetro, sensor de luz ambiental) y el sistema GPS/GNSS (^{Apple Inc., 2022}).

^{Tatsumi et al. (2021)} desarrollaron y probaron una aplicación móvil gratuita, llamada ForestScanner ^® (^{MAPRY Co. Ltd., 2022}) que permite realizar inventarios forestales basados en escaneo láser por medio del sensor LiDAR incorporado en un iPhone ^® /iPad Pro ^® , mismo que no requiere ningún análisis manual o de posproceso de nubes de puntos 3D ya que, a medida que el usuario escanea árboles con el dispositivo, la aplicación estima los DAP y sus coordenadas espaciales, con base en detección de objetos en tiempo real y ajuste de círculos (^{Tatsumi et al., 2021}), mediante la plataforma de realidad aumentada (AR) y el sensor LiDAR (^{Kuželka et al., 2020}).

Los objetivos de este trabajo fueron: (1) Probar el rendimiento del iPad Pro ^® , mediante aplicaciones LiDAR y de AR para estimar la posición geográfica, DAP, AT, DC y FL en árboles individuales; y (2) Comparar sus resultados con mediciones realizadas mediante métodos tradicionales. La evaluación y determinación del potencial del iPad Pro ^® en inventarios forestales a través del nivel de precisión en la estimación de los parámetros propuestos permitirá establecer y proporcionar un método innovador, de menor costo y preciso, que sea aplicable a inventarios forestales en bosques plantados.

Materiales y Métodos

El levantamiento de datos se realizó en 20 sitios de muestreo establecidos en un bosque plantado mixto de aproximadamente 35 años de edad, con una superficie de 4.64 ha, ubicado en la ribera de la presa de Cointzio, localizada a 12 km al suroeste de la ciudad de Morelia, Michoacán, México (LN: 19.621; LO: -101.262). Las especies principales en la plantación son: Cupressus lindleyi Klotzsch ex Endl. y Pinus leiophylla Schiede ex Schltdl. & Cham., además de ejemplares aislados de Eucalyptus sp. y Casuarina equisetifolia L., tales taxones fueron parte de bosques plantados para restauración y conservación de suelo (Figura 1).

Figura 1 Rodal de estudio y localización de los 20 sitios de muestreo. 

Se aplicó un muestreo sistemático (^{West, 2009}), en líneas de muestreo de 60×60 m, los sitios fueron circulares de 400 m² (radio=11.28 m), lo cual corresponde a una superficie muestreada del 17.2 %, con respecto al total del bosque plantado (^{Cochran, 1977}). Se definió a las parcelas como la unidad de muestreo y escaneo, se consideraron los tamaños de parcela que a menudo se adoptan en los programas de inventarios forestales nacionales e internacionales (^{Comisión Nacional Forestal [Conafor], 2014}), porque este tamaño de muestra también fue usado por ^{Tatsumi et al. (2021)} quienes desarrollaron la app usada en el presente estudio, además de utilizarse en evaluaciones de iPhone ^®/iPad ^® (^{Gollob et al., 2021}; ^{Mokroš et al., 2021}). Los sitios se ubicaron mediante un GPS Garmin ^® eTrex 20 (Figura 1), se registraron las posiciones geográficas del árbol central. A todos los árboles con un DAP≥7.5 cm se les midió su DAP con forcípula Haglöf Sweden ^® MANTAX BLUE (60 cm). Asimismo, se registraron las variables AT, FL y el DC; para los dos primeros parámetros, se usó un clinómetro Suunto ^® PM-5/360. El DC se midió con cinta métrica Truper ^® TP50ME, en las direcciones norte-sur y este-oeste, se tomó como referencia la proyección de los extremos de la misma sobre el suelo y ambas medidas se promediaron.

Resultados

Mediante el uso de la app con tecnología LiDAR ForestScanner ^® , el tiempo de escaneo por sitio para registrar el DAP y la posición geográfica osciló entre 0.8 y 3.8 min, con un promedio de 2.3 min por sitio. Se requirió de un total de 45.6 min para los 446 árboles totales de los 20 sitios de muestreo, sin considerar el tiempo de traslado entre sitios. Esta actividad de registro fue realizada por una sola persona (Cuadro 1).

El tiempo de medición de los datos de referencia de los DAP, medidos con forcípula, entre dos personas y solo la coordenada del árbol central, fue en promedio de 12 min por sitio, con un total de 239.5 min (3 h 59.4 min). En contraste, con el método iPad Pro ^® se redujo el tiempo requerido para medir el DAP a 19.03 %; es decir, 5.25 veces menor (239.5 min vs. 45.6 min), con el plus de que lo realiza una sola persona (Cuadro 1). Todos los datos quedan registrados en un archivo digital exportable, además, para cada uno de los árboles escaneados se registra su posición geográfica, a diferencia del inventario tradicional, que solo obtiene la coordenada del árbol central, además se requiere que posteriormente todos los datos e información del inventario sea capturada mediante trabajo adicional de gabinete.

El tiempo de medición de los parámetros AT, DC y FL con la app Arboreal ^® osciló entre 2.5 y 18.9 min, con un promedio de 10.7 min por sitio y un tiempo total de 213.2 min (3 h 33 min), y fue realizado por una sola persona (Cuadro 1). En contraste, con instrumentos clásicos de medición para la AT, FL y DC con dos personas, el tiempo total de medición fue de 638.8 min (10 h 39 min). Se determinó que con el uso del iPad Pro ^® se redujeron las horas y personas requeridas para realizar las mediciones referidas a 33.37 % (Cuadros 1 y 2), es decir, 3 veces menos (638.8 min vs. 213.2 min). Además, se tiene el plus de que lo realiza una sola persona y todos los datos quedan registrados en un archivo digital exportable, a diferencia del método tradicional, que requiere de dos personas, y la información de campo se tiene que capturar en gabinete, lo cual implica mayor consumo de tiempo y personal de oficina.

Al comparar el tiempo registrado para realizar las mediciones con ambos métodos mediante la prueba t-student, se detectó que existen diferencias significativas (valor p<0.05) (Cuadro 2).

En el comparativo por regresión lineal de los parámetros analizados, en términos de la desviación de las estimaciones con la tecnología LiDAR+AR y de las mediciones de referencia, se observó en general un buen ajuste, con una R ² =0.991 y un RECM=0.657 cm para el DAP; R ² =0.985 y un RECM=0.369 m para la AT, R ² =0.955 y un RECM=0.341 cm para el DC, y R ² =0.973 y un RECM=0.208 cm para el FL (Figura 2, Cuadro 3).

A = DAP; B = AT; C = DC; D = FL.

Figura 2 Regresión lineal de la relación entre las mediciones de LiDAR+AR y las mediciones de los parámetros del arbolado con el método tradicional. 

El buen ajuste de las ecuaciones de predicción de los parámetros dendrométricos medidos con los métodos LiDAR+AR y tradicional (Figura 2, Cuadro 3), también se corroboró con la prueba t de dos muestras de Welch, con la cual no se detectaron diferencias significativas (p-value>0.05) para obtener las mediciones del DAP, AT, DC y FL (Cuadro 4). Por lo tanto, se puede asumir que existe igualdad en las estimaciones de tales parámetros medidos con el iPad Pro ^® como método alternativo (LiDAR+AR) y los obtenidos de forma convencional (forcípula, clinómetro y cinta métrica), debido a los altos valores de R ² y bajos valores del RECM.

Discusión

Con los escaneos LiDAR con iPad Pro ^® se logró 100 % de detección de árboles con DAP>7.5 cm, esto implica que los escaneos y las nubes de puntos se generan de manera completa en el área del fuste que se desea medir (altura de 1.30 m desde el nivel del suelo), lo cual coincide con ^{Bobrowski et al. (2022)}, ^{Brach et al. (2023)} y ^{Çakir et al. (2021)}, quienes también detectaron 100 % de los árboles medidos. En otros estudios se citan porcentajes de detección menores, al comparar el uso de aplicaciones de escaneo LiDAR para iPad Pro ^{® Gollob et al. (2021)} y ^{Wang et al. (2022)} documentan una detección de 85 a 97 %; con escáner láser móvil (MLS) y escaneo láser personal (PLS); ^{Bauwens et al. (2016)}, ^{Ko et al. (2021)} y ^{Zhou et al. (2019)} detectaron porcentajes inferiores a 100 % en árboles con DAP>10 cm. El porcentaje de detección disminuye en parcelas de muestreo con densidad alta de árboles y DAP<5 cm (^{Bauwens et al., 2016}; ^{Gollob et al., 2021}; ^{Zhou et al., 2019}).

^{Çakir et al. (2021)} utilizaron el sensor LiDAR del iPad Pro ^® para generar modelos 3D y estimar la variable DAP comparándolo con estimaciones hechas mediante TLS, el mejor ajuste fue para la estimación de DAP con TLS (R ² =0.995, RECM=7.02 cm); con iPad Pro ^® la R ² fue de 0.995 y el RECM 8.72 cm. En tanto, ^{Bobrowski et al. (2022)} al comparar mediciones con TLS y nubes de puntos generadas mediante el sensor LiDAR del iPad Pro ^® , mediante la app Abound Capture ^® obtuvieron, al ajustar el perímetro a la altura del pecho (PAP), una R ² =0.899 y RECM=7.41 para la tableta, y una R ² =0.912 y RECM=6.51 para el TLS.

Cuando ^{Brach et al. (2023)} compararon mediciones de DAP con métodos tradicionales versus nubes de puntos generadas con iPad Pro ^® , registraron un ajuste con una R ² =0.990 y RMSE=5.340 cm. Se resalta que las aplicaciones de escaneo LiDAR usadas por ^{Bobrowski et al. (2022)}, ^{Brach et al. (2023)}, ^{Çakir et al. (2021)}, ^{Gollob et al. (2021)} y ^{Wang et al. (2022)} para medir DAP no fueron desarrolladas para tal efecto, a diferencia de la que se usó en el presente estudio (ForestScanner ^® ), la cual fue exclusivamente desarrollada para la medición de DAP en inventarios forestales (^{Tatsumi et al., 2021}). Tal situación fue favorable para mejorar la detección de todos los árboles propuestos para inventario en el presente estudio (DAP>7.5 cm), así como la calidad de las nubes de puntos (más densas).

En comparación con las técnicas de medición tradicionales, el tiempo total de medición con el iPad Pro ^® fue 3.4 veces más rápido (Cuadros 1 y 2), lo cual coincide con los trabajos realizados por ^{Gollob et al. (2021)}, ^{Ko et al. (2021)} y ^{Wang et al. (2022)}, con 3.2, 2.5 y 3.8 veces más rápida la medición del DAP, respectivamente.

En relación con la variable AT, en la literatura solo se indica su estimación con dispositivos como LiDAR móvil (^{Heo et al., 2019}) y smartphone con RGB-D SLAM (^{Ahamed et al., 2023}; ^{Fan et al., 2018}). Para las variables DC y FL no se identificaron estudios que usen este tipo de tecnologías en dispositivos móviles para su estimación.

^{Gollob et al. (2021)} señalaron que, en general, los DAP>5 cm se sobrestimaron y que los DAP>35 cm se subestimaron, al igual que ^{Wang et al. (2022)}, tanto con el iPad Pro ^® como con el PLS, independientemente del método de ajuste. Asimismo, ^{Bobrowski et al. (2022)}, ^{Brach et al. (2023)}, ^{Çakir et al. (2021)} y ^{Wang et al. (2022)} identificaron que los errores se debían a la falta de un posproceso de la nube de puntos generada con la aplicación, para lo cual, y de acuerdo con ^{Hernández (2020)}, tales nubes tienen que exportarse a una computadora y usar un software especializado para tal efecto.

Los hallazgos del presente estudio muestran que, en los cuatro parámetros estudiados, el ajuste de la línea de regresión explica de 97 a 99 % de la variabilidad en los datos (Figura 2; Cuadro 4). Esto sugiere que hay una fuerte correlación entre los métodos evaluados; las mínimas diferencias en las mediciones entre ellos se deben a la relación lineal establecida, por lo que las mediciones efectuadas con un método pueden predecirse con alta precisión en función de las del otro. Lo anterior se debe a que los algoritmos de la app ForestScanner ^® fueron creados exclusivamente para detección y medición de DAP en coníferas, y su uso ha sido probado en diferentes condiciones de bosque natural y bosques plantados (^{MAPRY Co. Ltd., 2022}; ^{Tatsumi et al., 2021}).

Las comparaciones gráficas (Figura 2) evidencian que la relación entre la estimación de los parámetros con tecnología LiDAR+AR y la realizada con métodos tradicionales, presentan una tendencia similar. Esto coincide con ^{Zhou et al. (2019)}, quienes estimaron los DAP con MLS y obtuvieron un ajuste con una R ² =0.99 y RECM=0.70 cm. Asimismo, ^{Heo et al. (2019)} calcularon con alta precisión la AT de árboles urbanos (R ² =0.98 y RECM=0.359 m), mientras que en árboles de un bosque plantado la R ² fue de 0.99 y el RECM de 0.462 m. No se identificó algún estudio en el que se hayan estimado mediante algún dispositivo móvil (LiDAR móvil, AR o algún otro sensor) los parámetros DC y FL.

Una de las principales ventajas de los sistemas de escaneo láser personales y móviles, como ha sido demostrado en el presente estudio y otros estudios (^{Bobrowski et al., 2022}; ^{Brach et al., 2023}; ^{Çakir et al., 2021}; ^{Gollob et al., 2021}; ^{Tatsumi et al., 2021}; ^{Wang et al., 2022}) es el tiempo rápido de escaneo, la alta precisión (RECM<1 cm), pero sobre todo, el costo del dispositivo, ya que el PLS (GeoSLAM ZEB HORIZON) utilizado por ^{Gollob et al. (2021)} tiene un costo aproximado de 50 000 dólares. Otra ventaja del iPad Pro ^® es que está disponible una amplia variedad de apps de escaneo láser para la construcción de modelos y nubes de puntos 3D.

Los TLS convencionales tienen un alcance de entre 100 y 2 000 m (^{Hernández, 2020}; ^{Tomaštík et al., 2017}) dependiendo de la marca; por lo tanto, pueden proporcionar mediciones para diámetros mayores, alturas totales de árboles grandes y formas diversas de copas. En contraste, el sensor LiDAR del iPad Pro ^® solo proporciona mediciones para una distancia máxima de 5 m. Por lo tanto, una de sus principales desventajas es su alcance limitado, el cual hace que sea casi imposible derivar otra información más allá de la posición del fuste y el DAP, además de algunas características del sotobosque. Sin embargo, los escaneos con el iPad Pro ^® no requieren de posproceso y es tan preciso como un TLS midiendo DAP, con una precisión de ±1 cm según el fabricante (^{Apple Inc., 2022}; ^{Calders, 2015}; ^{Hernández, 2020}). El LiDAR del iPad Pro ^® en combinación con la tecnología AR también funciona para estimar la AT (^{Kuželka et al., 2020}).

En este estudio, se usó la combinación referida, así el sensor LiDAR del iPad Pro ^® se aplicó para medir los DAP y las ubicaciones geográficas respectivas, información que puede ser muy útil para estudios como modelos de competencia o biodiversidad. En tanto, las alturas de los árboles y sus métricas de copa se midieron con la tecnología de AR. ^{Dai et al. (2019)} utilizaron una combinación similar, quienes fusionaron nubes de puntos obtenidas mediante TLS y ALS para medir la AT y las métricas de copa.

Con base en ^{Gollob et al. (2021)}, ^{Piermattei et al. (2019)} y ^{Tomaštík et al. (2017)}, se identifica como una desventaja del escaneo láser que el porcentaje de detección de árboles sería menor en bosques naturales, donde la densidad y el número de estratos vegetales podrían representar problemas para visualizar la altura a la que se mide el DAP, debido a obstrucciones por herbáceas o arbustivas. En este sentido, se deben realizar más estudios en condiciones diferentes; por ejemplo, con especies arbóreas tropicales con presencia de herbáceas y arbustivas en el sotobosque, y en condiciones de altas densidades o pendientes pronunciadas.

Conclusiones

Se demuestra que para determinar los parámetros forestales: diámetro a la altura del pecho, altura total, altura de fuste limpio y diámetro de copa, las aplicaciones y el flujo de trabajo de la combinación LiDAR+AR requieren menos tiempo y personal, en comparación con los instrumentos de medición forestal convencionales. Esta estrategia y método sencillo puede reducir significativamente los costos para realizar el inventario forestal en bosques plantados.

La presente contribución apoya a futuros usuarios del sensor LiDAR iPad Pro ^® , para tomar una decisión informada sobre cómo usar esta reciente técnica de percepción remota incorporada en dispositivos móviles comerciales. Se han demostrado sus ventajas (lo puede aplicar una sola persona y el almacenamiento de datos es automático y digital), también se han identificado sus limitaciones, así como la configuración y aplicaciones que se pueden utilizar para el inventario de parcelas forestales o sitios de muestreo. Esta novedosa tecnología LiDAR móvil en dispositivos personales, representa el siguiente nivel (después de las tecnologías TLS, MLS y PLS) orientada hacia una metodología de inventario forestal asequible y eficiente.

Futuros estudios deberán enfocarse en evaluar el rendimiento de LiDAR móvil en dispositivos personales bajo condiciones diferentes a la de bosques plantados, como bosque natural tropical de latifoliadas y otros ecosistemas forestales, además de la comparación con dispositivos LiDAR terrestre y aerotransportado.