Identificació i traçabilitat de les masses forestals al Massís del Montseny, a partir de l’anàlisi espectral de sèries temporals de dades d’Observació de la Terra

Abstract

[cat] Les masses forestals estan en constant transformació per de l'acció de l'home i pel canvi climàtic. L'estudi de la biodiversitat, el seguiment de l'estat en les espècies i la distribució de la vegetació en el territori es converteix en un camp de recerca i treball cada vegada més necessari per a estudiar els impactes i efectes d'aquests canvis. Durant les últimes dècades, els satèl·lits d'Observació de la Terra han monitorat el territori i, per tant, els nostres boscos aportant dades i informacions rellevants de la distribució i estat de les masses forestals arreu del món. Històricament els satèl·lits Landsat han proporcionat col·leccions d'imatges del nostre territori cada 15 dies i actualment de 8 dies. Però actualment, l'augment de missions de satèl·lits focalitzades en l'estudi de la Terra és vertiginós. Cal destacar les missions Sentinel dins del Programa Europeu Copernicus (ESA) i per a la recerca que ens ocupa, la missió Sentinel-2 amb una constel·lació de dos satèl·lits que prenen imatges del nostre territori cada 5 dies. A més, apareixen noves constel·lacions de microsatèl·lits per a obtenir dades de les activitats i canvis en el territori amb major precisió. Un bon exemple és el nanosatèl·lit de l'estratègia NewSpace Catalonia amb resolucions espacials majors. En l'actualitat bona part de les dades o imatges associades, així com dels diferents programaris basats en els Sistemes d'Informació Geogràfica (*SIG) per a analitzar aquesta informació són de lliure accés i permeten el seu estudi de forma generalitzada per tota la comunitat científica i usuaris en general. És en aquest context en que s’ha desenvolupat aquest treball de Tesi per a triar les millors imatges de satèl·lit actuals i obertes (open data) que captin en l'espectre visible i infraroig per a estudiar les masses arbòries en el sud-est del massís del Montseny i la seva fusió amb dades dendromètriques. Son dades preses durant diferents treballs d'inventaris forestals realitzats en les tres últimes dècades i recollits i treballats en aquesta Tesi. Fer el treball de camp ha donat directament la fiabilitat necessària per a poder comparar la massa arbrada del territori i el què pot captar les imatges multiespectrals de satèl·lit. Prèviament s'han analitzat una gran quantitat d'imatges, especialment de les missions Landsat i Sentinel-2. Al final s'ha triat el millor subconjunt basat en 129 imatges del Sentinel-2 entre els anys 2017 i 2020. Aquestes imatges van ser descarregades amb un nivell de preprocessament (L2A) per a obtenir directament els millors valors de reflectàncies. Gran part del treball presentat s'ha centrat en analitzar la informació espectral a partir de les bandes originals, també a partir de càlculs d'índexs de vegetació més afins als estudis de les masses forestals. D'aquesta manera i finalment, s'ha proposat el càlcul d'un nou índex basat en les variacions percentuals entre les quatre bandes espectrals que inclouen la part visible del verd i vermell i dues bandes de l'infraroig més pròxim que hem anomenat Índex de Creixement de la Vegetació (ICV). Amb aquest índex hem realitzat un estudi temporal de tres anys, entre 2018 i 2020, on s'han pogut determinar uns patrons temporals de l'ICV per a les espècies arbòries dominats de les masses forestals estudiades. Aquests patrons temporals espectrals segueixen especialment un comportament fenològic al llarg de l'any. Quan la seqüència del cicle vegetatiu amb l'ICV no es compleix implica molt probablement un indicador de canvi derivat de la gestió forestal, d'afectacions biòtiques o abiòtiques, de la substitució de les cobertes, etc. Per tant, aquest model d'aproximació temporal a la informació espectral ens proporciona una nova eina per a classificar i detectar canvis en les masses forestals. Obre noves línies de treball per a explotar les dades de satèl·lit actuals i futurs, amb l'objectiu de conèixer millor els nostres boscos mediterranis i amb suficient informació de camp pot ser aplicat a qualsevol tipus de massa forestal.

[eng] Forest masses are constantly changing due to man's action and climate change. The study of the biodiversity, the monitoring of the species’ state and the distribution of the vegetation in the territory becomes an increasingly necessary field of research to study the impacts and the effects of these changes. At this juncture, this Thesis has been developed to choose the best current and open satellite images that capture the visible and infrared spectrum to study the tree masses of the southeast of Montseny and its union with dendrometric data. Dendrometric data was taken during different forest inventory work done over the last three decades. The best subset based on 129 images of Sentinel-2 between 2018 and 2020 has been chosen. These images were downloaded with a pre-processed level (L2A) to directly obtain the best reflectance values. Part of the work presented is focused on analysing spectral information from the original bands, also from calculations of vegetation indexes more closely related to forest mass studies. In this way, a new index based on percentage variations has been proposed among the four spectral bands that include the visible portion of green and red and two closest infrared bands. We have called this new index as Índex de Creixement de la Vegetació (ICV), in English, Vegetation Growth Index. With this index, we have carried out a three-year temporary study, between 2018 and 2020, where temporary ICV patterns have been determined for the predominant tree species of the studied forested masses. These spectral time patterns follow a particular phenological behaviour during the year. When the sequence of the vegetative cycle is not met with the ICV, it most likely implies a change indicator derived from forest management, biotic or abiotic diseases, cover land replacement, etc. Therefore, this model of temporary approximation to spectral information provides us with a new tool for classifying and detecting changes in forest masses. Opens new working lines to exploit current and future satellite data to better understand our Mediterranean forests and with sufficient field information, it can be applied to all forest masses.