Estimación del volumen individual en Eucalyptus dunnii mediante modelos de regresión y fotogrametría aérea basada en VANT

En Uruguay, Eucalyptus dunnii (E. dunnii) se ha consolidado como una de las especies de mayor relevancia para el sector forestal debido a su adaptabilidad, tolerancia a las heladas y aptitud para la producción de pulpa de celulosa. En este contexto, la estimación precisa del volumen individual constituye una herramienta fundamental para la planificación y gestión forestal. Tradicionalmente, el volumen se determina mediante métodos destructivos y modelos de regresión basados en variables dasométricas; sin embargo, el avance de la tecnología de teledetección ha permitido incorporar alternativas no destructivas, como la fotogrametría aérea mediante un vehículo aéreo no tripulado (VANT).

El presente estudio tuvo como objetivo estimar el volumen individual de E. dunnii de tres años mediante modelos de regresión y fotogrametría aérea basada en VANT, en una plantación ubicada en Quebracho, departamento de Paysandú, Uruguay. Para ello, se establecieron 10 parcelas de inventario de 300 m², en las cuales se midieron variables dasométricas como diámetro a la altura del pecho (DAP) y altura total (H_T). Además, se seleccionaron 25 árboles para realizar muestreos destructivos y calcular el volumen real mediante el método de Smalian. Posteriormente, se ajustaron modelos matemáticos lineales y no lineales utilizando DAP y H_T como variables predictoras, evaluándose mediante R² ajustado, error cuadrático medio (RMSE) y análisis de residuos. El modelo seleccionado presentó un R² ajustado de 0,9875 y un RMSE de 0,0035 m³, evidenciando una alta capacidad predictiva para la estimación del volumen individual.

Asimismo, se realizó un relevamiento aéreo mediante un VANT DJI Inspire 1 equipado con cámara multiespectral. Las imágenes fueron procesadas mediante técnicas de fotogrametría aérea para generar modelos digitales de terreno (DTM), modelos digitales de superficie (DSM) y un modelo de altura del dosel (CHM). A partir del CHM se aplicaron algoritmos de detección y segmentación de árboles individuales, identificándose correctamente el 97% de los árboles presentes en las parcelas de estudio.

Finalmente, se desarrolló un modelo predictivo basado en Random Forest para estimar el volumen individual a partir de métricas derivadas del CHM. En validación cruzada, el modelo alcanzó un R² de 0,59 y un RMSE de 0,0147 m³ árbol^-1, mostrando una capacidad predictiva moderada y un bajo error de estimación en relación con el rango de volúmenes observado. En conjunto, los resultados evidencian que la combinación de modelos de regresión y fotogrametría aérea basada en VANT constituye una alternativa confiable para la estimación no destructiva del volumen individual en plantaciones jóvenes de E. dunnii, con potencial para complementar los inventarios forestales tradicionales.