Análisis basado en pixeles para detección de eventos fenológicos y de sobrevivencia de la regeneración de especies en las reservas nacionales altos de lircay y los Queules, Región del Maule

Abstract

Los bosques nativos de Chile son reconocidos a nivel mundial por su gran diversidad de especies y su papel como un hotspot de biodiversidad. Sin embargo, el cambio climático y la actividad humana han afectado negativamente el desarrollo de estos ecosistemas forestales, lo que tiene consecuencias en los servicios ecosistémicos que estos brindan. Lo anterior a su vez puede afectar la distribución, los rasgos fenológicos, la composición y la estructura de las especies forestales, así como la regeneración en los bosques. En este contexto, es fundamental realizar un monitoreo continuo de los bosques para obtener información valiosa sobre su adaptación a las condiciones ambientales cambiantes, con el objetivo de conservar y proteger estos ecosistemas. En esta memoria se llevó a cabo una caracterización del área de estudio, se identificaron las especies presentes en la regeneración del bosque, y se realizó un análisis basado en píxeles para detectar eventos fenológicos y evaluar la supervivencia de las especies de regeneración en los bosques de las Reservas Nacionales Altos de Lircay y Los Queules. La identificación de las especies presentes en la regeneración se realizó con un método visual, a través de la captura de imágenes de las plántulas con dispositivos móviles para su posterior reconocimiento. Se realizó una caracterización general del área monitoreada, describiendo su estructura, composición, presencia de material orgánico en el suelo, y la presencia o tránsito de animales. Para determinar los eventos fenológicos de la regeneración de las especies se realizó un seguimiento anual del desarrollo de las plántulas en estudio, utilizando el índice vegetacional Green Chromatic Coordinate (GCC) con el paquete “phenopix” y el lenguaje de programación “R”, a partir de imágenes capturadas por 4 cámaras trampa entre los años 2021 y 2022. La detección y evaluación de los cambios en la sobrevivencia de las plántulas de regeneración se realizó mediante modelos basados en redes neuronales convolucionales entrenados con imágenes y máscaras de las plántulas en estudio con el paquete “imageseg”, permitiendo a los modelos reconocer los patrones morfológicos, textura y coloración de las hojas, evaluando la similitud y diferencias de las predicciones de los modelos y las imágenes originales utilizando los parámetros Índice de Jaccard, Coeficiente de Dice y pérdida de la entropía cruzada binaria de Dice. El sitio Aliwenmahuida se encontró dominado por la especie Nothofagus dombeyi en el estrato superior y de regeneración, con presencia de Chusquea quila en el sotobosque; el sitio Enladrillado estaba dominado en el estrato superior y de regeneración por Nothofagus pumilio; Queules 01 se encontraba dominada en el estrato superior y sotobosque por Aextoxicon punctatum con presencia de Chusquea quila y Lapageria rosea en el estrato de regeneración; mientras que en el sitio Queules 02 se encontró dominado en el estrato superior por Nothofagus glauca y Aextoxicon punctatum, y el sotoboque por Laurelia sempervirens. Solo se logró determinar el inicio y el final de la temporada de crecimiento de las plántulas de la especie Nothofagus pumilio en el sitio Enladrillado, a principios de mayo y mediados de agosto, respectivamente, debido a los cambios drásticos de iluminación en las imágenes dificultaron el análisis de los eventos fenológicos. El modelo que incluyó los 4 sitios obtuvo los mejores resultados en términos de los parámetros Índice de Jaccard y Coeficiente de Dice, con valores de 0,754 y 0,704 respectivamente. Esto se debió a que fue entrenado con imágenes de los 4 sitios, lo que aumentó su capacidad predictiva de detectar plántulas. Los modelos demostraron la capacidad de predecir y detectar espacialmente las plántulas de las especies en estudio y distinguirlas de especímenes de otras especies presentes en el estrato herbáceo. También se pudo determinar cambios en la supervivencia anual de las plántulas mediante las predicciones de los modelos. En el sitio Enladrillado y Queules 02, el número de plántulas aumentó en el verano de 2022, mientras que en el sitio Queules 01 disminuyó. En el sitio Aliwenmahuida no se observó mortalidad ni aparición de nuevas plántulas en el verano de 2022. En base en los resultados obtenidos, se ha demostrado la viabilidad de distinguir plántulas de regeneración entre diferentes especies y detectar cambios en su supervivencia mediante el uso de algoritmos de aprendizaje automático aplicados a imágenes digitales capturadas por cámaras trampa. Este hallazgo abre perspectivas para la implementación de un monitoreo continuo y automatizado del proceso de regeneración forestal a través de esta metodología.

The native forests of Chile are globally recognized for their vast species diversity and their role as a biodiversity hotspot. However, climate change and human activities have adversely impacted the development of these forest ecosystems, resulting in consequences for the ecosystem services they provide. This, in turn, can affect the distribution, phenological traits, composition, and structure of forest species, as well as regeneration in the forests. In this context, continuous monitoring of forests is crucial to gather valuable information about their adaptation to changing environmental conditions, with the aim of conserving and protecting these ecosystems. This report encompasses a characterization of the study area, the identification of species presents in forest regeneration, and a pixel – based analysis to detect phenological events and assess the survival of regenerating species in the National Reserves of Altos de Lircay and Los Queules. The identification of species in regeneration was conducted visually through the capture of seedling images using mobile devices for subsequent recognition. A general characterization of the monitored area was performed, describing its structure, composition, presence of organic material in the soil, and the presence or transit of animals. To determine phenological events in species regeneration, an annual monitoring of seedling development was carried out using the Green Chromatic Coordinate (GCC) vegetation index with the “phenopix” package and the programming language “R”, based on images captured by four camera traps between 2021 and 2022. Detection and evaluation of changes in seedling survival were achieved through convolutional neural network models trained with images and masks of the studied seedlings using the “imageseg” package. This allowed the models to recognize morphological patterns, texture, and leaf coloration, evaluating the similarity and differences between model predictions and original images using Jaccard Index, Dice Coefficient, and Binary Dice Cross – Entropy Loss parameters. The Aliwenmahuida site was dominated by Nothofagus dombeyi in the upper and regeneration strata, with the presence of Chusquea quila in the understory. The The Enladrillado site was dominated in the upper and regeneration strata by Nothofagus pumilio. Queules 01 was dominated in the upper and understory by Aextoxicon punctatum with the presence of Chusquea quila and Lapageria rosea in the regeneration stratum. Meanwhile, Queules 02 was dominated in the upper stratum by Nothofagus glauca and Aextoxicon puncatum, with the understory dominated by Laurelia sempervirens. The initiation and conclusion of the growth season for Nothofagus pumilio seedlings in the Enladrillado site were only determined, occurring in early May and mid – August, respectively. The model incorporating all four sites yielded the best results in terms of Jaccard Index and Dice Coefficient parameters, with values of 0.754 and 0.704, respectively. This was attributed to its training with images from all four sites, enhancing its predictive ability to detect seedlings. The models demonstrated the capability to predict and spatially detect seedling of the studied species, distinguishing them from specimens of other species present in the herbaceous stratum. Additionally, changes in annual seedling survival could be determined through model predictions. In the Enladrillado and Queules 02 sitesm the number of seedlings increased in the summer of 2022, while in Queules 01, it decreased. No mortality or appearance of new seedlings was observed in the Aliwenmahuida site during the summer of 2022. Based on the results obtained, the feasibility of distinguishing regeneration seedling among different species and detecting changes in their survival has been demonstrated using machine learning algorithms applied to digital images captured by camera traps. This finding opens perspectives for the implementation of continuous and automated monitoring of the forest regeneration process through this methodology.