València, 23 de junio de 2026. Una nueva metodología basada en inteligencia artificial permite clasificar automáticamente nubes de puntos LiDAR (Light Detection and Ranging) -coordenadas tridimensionales- de parcelas forestales obtenidas mediante escáner láser terrestre (TLS) y un dispositivo móvil de bajo coste (MLS-iPad), e identificar los elementos de la vegetación según su especie o estrato.
El sistema emplea un modelo de deep learning especializado en el procesamiento directo de datos tridimensionales y ha demostrado ser viable para caracterizar la estructura tridimensional de la vegetación en parcelas forestales. De este modo, constituye una herramienta relevante para disponer de datos precisos de forma eficiente y evaluar la distribución y continuidad de la vegetación. Estos son aspectos claves, por ejemplo, para el desarrollo de análisis relacionados con el comportamiento del fuego, la prevención y la gestión de incendios.
El autor de esta metodología es el alumno de la UPV, Juan Ramón Valencia, quien fue premiado recientemente con uno de los accésits de los mejores TFG y TFM de la Cátedra ENIA-UPV, que cuenta con Nunsys Group como empresa promotora.
El estudio se llevó a cabo en el Parque Natural de La Serra d´Espadà (Castellón, Comunitat Valenciana). Una zona de gran biodiversidad, pero también altamente vulnerable a incendios forestales debido a su clima mediterráneo, su relieve abrupto y la alta complejidad estructural del bosque.
Numerosos escenarios forestales
La metodología se basó en la creación de un catálogo de individuos vegetales escaneados en campo, a partir del cual se generaron, de forma aleatoria, numerosos escenarios forestales semirreales. Esto permitió multiplicar y diversificar los datos disponibles. Con estos escenarios se entrenaron los modelos de deep learning, que posteriormente fueron evaluados en escenarios semirreales y en parcelas reales para comprobar su capacidad de generalización fuera del entorno de entrenamiento.
A través de esta metodología, “los resultados mostraron que la clasificación por estratos de vegetación -suelo, arbustos, arbustos altos y árboles- alcanza las mejores métricas de validación frente a la clasificación por especies. En escenarios semirreales se obtuvieron valores de IoU (Intersección sobre Unión) superiores al 90%. Mientras que en parcelas reales, el índice se situó entre el 80% y el 91% para la vegetación arbórea. Y entre el 35% y el 65% para la vegetación arbustiva y arbustiva-arbórea”, explica el alumno de la UPV, Juan Ramón Valencia.
Aunque la caída del IoU en parcelas reales evidencia la necesidad de incorporar más datos reales y ampliar la diversidad de escenarios utilizados para el entrenamiento, los resultados confirman la viabilidad de este enfoque para desarrollar modelos más robustos, capaces de analizar extensas superficies forestales con mayor eficiencia en tiempo y recursos. Además, el trabajo demuestra el potencial de dispositivos MLS de bajo coste, como el iPad, para el diagnóstico rápido y el seguimiento estructural de los bosques, lo que permitiría reducir costos operativos de adquisición de datos.
Información precisa
Se trata de una forma en la que la inteligencia artificial puede facilitar una monitorización más eficiente del estado de los bosques, mejorar la planificación de actuaciones preventivas y favorecer una gestión forestal más adaptada a los desafíos del cambio climático.
Tal y como explica el director de la Cátedra ENIA-UPV, Vicent Botti, “esta nueva metodología es un ejemplo del papel que la inteligencia artificial puede desempeñar en el desarrollo sostenible para ayudar a la protección de la biodiversidad y a la sostenibilidad del planeta, acercarnos a los Objetivos de Desarrollo Sostenible pero también de la necesidad de que todas los profesionales técnicos tengan una formación mínima para vincularla de forma transversal con sus desarrollos”.
Sobre Cátedra ENIA-UPV
La Cátedra ENIA-UPV nace con el objetivo de formar a los egresados de las titulaciones de la UPV en inteligencia artificial para resolver problemas de desarrollo sostenible, ya que la IA se está convirtiendo en una tecnología transversal requerida en la formación de diversas titulaciones. En esta labor cuenta con el respaldo de la firma tecnológica Nunsys Group como empresa promotora y concienciada con el reto de hacer llegar a cualquier compañía, independientemente de su tamaño, todas las tecnologías disponibles en la actualidad.
Otro de los objetivos de esta cátedra es fomentar la cooperación entre los mejores equipos de investigación de la UPV y crear un sello de calidad dentro del sistema universitario mundial. Esta cátedra pretende ser un revulsivo para el modelo productivo de la Comunitat Valenciana y ayudar al sector empresarial para que incorpore en sus procesos la IA, y evitar así la brecha digital.