Drones para salvar a la dehesa andaluza de la Seca
Se han utilizado imágenes tomadas por drones para identificar árboles afectados por el patógeno: en un estudio con casi 2.300 árboles, se ha mejorado el diagnóstico frente a la inspección visual
L a seca es una de las principales amenazas de la dehesa, ya que la enfermedad provoca el decaimiento y la muerte de las encinas y alcornoques, poniendo en jaque a este paisaje clave para el ecosistema mediterráneo.
La zona más afectada por la seca en Andalucía es el Andévalo onubense, aunque también se ha detectado decaimiento en otros lugares de la región como la Sierra Morena o Andalucía oriental.
En las comarcas con más incidencia, caracterizadas por tratarse de dehesas densas con mezcla de encinas y alcornoques y con un intenso aprovechamiento agroganadero, la enfermedad se ha extendido muy rápido, y se ha perdido gran parte del arbolado. A esto se une la dificultad para evitar la dispersión del patógeno ‘Phytophthora cinnamomi’ una vez que está presente, así como minimizar sus daños.
En Andalucía, las formaciones adehesadas ocupan en torno a 1,2 millones de has, en casi cien municipios de nuestra comunidad y más de 14.000 explotaciones donde se gestiona una cabaña ganadera de más de 3 millones de cabezas de ganado, de ahí la importancia económica, ambiental y social de este sistema.
Ahora, un estudio liderado por Alberto Hornero, investigador del Instituto de Agricultura Sostenibles (IAS) del Consejo Superior de Investigaciones Científicas (CSIC) de Córdoba, ha logrado un sistema más preciso de detección de la seca a partir de imágenes térmicas y multiespectrales, creando además un modelo de aprendizaje automático.
Gestión forestal eficaz
«Detectar a tiempo el deterioro de la salud de la dehesa es vital para una gestión forestal eficaz», señala Hornero, quien indicaba que el estudio «demuestra que el uso conjunto de sensores multiespectrales y térmicos en drones, combinado con modelos físicos, cambia las reglas del juego para predecir el impacto de las enfermedades en sistemas agrosilvopastorales».
De esta forma, se utilizaron imágenes multiespectrales y térmicas captadas por vehículos aéreos no tripulados (drones) equipados con cámaras, junto con modelos de aprendizaje automático, para identificar ´árboles afectados por el hongo Phytophthora.
Precisión por encima del 76%
El estudio abarcó casi 2.300 árboles de Portugal y España, con diferentes niveles de gravedad de la enfermedad. «El modelo de clasificación alcanzó una precisión global por encima del 76%», afirmó el investigador, identificando incluso una tercera parte de los árboles en decaimiento que la inspección visual no detectaba en un inicio. «Este avance no solo ofrece una forma rentable y eficaz de controlar la salud de la dehesa, sino que también permite una intervención temprana antes de que haya síntomas de la seca», insiste el investigador del CSIC.
«Ante el continuo decaimiento de la dehesa en todo el mundo, esta investigación ofrece esperanzas para su conservación y la preservación de nuestros ecosistemas», afirma Hornero.
Escrito por
