Demo

Drones

Un dron comercial fotografía hasta 300 copas de árbol por día para que los botánicos las identifiquen desde el escritorio

Un equipo liderado por Étienne Laliberté publicó en Methods in Ecology and Evolution un flujo de trabajo abierto: un mapa con dron, IA que delimita copas y una segunda serie de vuelos a 6 metros del dosel para identificar especies sin subir al árbol.

Juan Felipe Romero9 min de lectura
dronesinteligencia artificialbosque tropicalinventarios forestalescódigo abierto

¿Buscas el trámite y no la noticia? Guías de trámites ambientales, con su norma, su autoridad competente y sus fuentes oficiales.

Un dron comercial fotografía hasta 300 copas de árbol por día para que los botánicos las identifiquen desde el escritorio

Identificar a qué especie pertenece un árbol de 40 metros es, en muchos inventarios tropicales, el paso más lento: las hojas, flores y frutos que lo delatan están arriba, y desde el suelo apenas se ven. Un equipo liderado por Étienne Laliberté publicó en Methods in Ecology and Evolution un flujo de trabajo con un dron comercial que fotografía esas copas de cerca, de forma automática, y entrega las imágenes a los botánicos para identificarlas en pantalla.

300copas de árbol fotografiadas por un solo piloto en un día, el máximo logrado con el flujo de trabajo (4,22 horas de vuelo). Fuente: Laliberté et al., preprint en bioRxiv, 2025.

Importa porque la identificación taxonómica es, según los autores, un cuello de botella de los inventarios de bosque tropical, y porque el equipo publicó el código para reproducir el método. La descripción técnica de esta nota se verificó contra el texto completo del preprint de bioRxiv (licencia CC BY 4.0). La versión de la revista no estuvo accesible para esta lectura; la nota de la Universidad de Cambridge sobre ella menciona cifras algo mayores, que se señalan más abajo.

Cómo funciona en dos etapas

El método se apoya en un solo aparato de catálogo: un DJI Mavic 3 Enterprise, un dron pequeño que trae una cámara gran angular y una telefoto, más una antena base con corrección RTK (posicionamiento satelital de precisión centimétrica).

EtapaQué hace el pilotoQué se obtiene
Día 1: mapeoVuela con la cámara gran angular sobre hasta unas 200 hectáreasUn modelo digital de superficie y una ortofoto por fotogrametría (structure from motion)
SelecciónSe eligen las copas de interés sobre el mapa, a mano o con un modelo que delimite copasUna lista de puntos exactos sobre el dosel
Días siguientes: acercamientosEl dron sigue una ruta automática y se detiene a 6 metros por encima de cada copa elegidaFotos de la telefoto, georreferenciadas con precisión de nivel topográfico

El software que traduce el mapa en misión de vuelo se llama Harpia, una biblioteca de Python con licencia MIT. Convierte los puntos elegidos en un archivo de misión que se carga en la aplicación DJI Pilot 2. Su repositorio indica compatibilidad con el Mavic 3 Enterprise y el Matrice 4E.

Qué lograron en el campo

Según el preprint, el equipo tomó fotos de más de 15.000 árboles en 153 misiones, con seis drones Mavic 3E, en sitios de Panamá, Ecuador y Brasil. La nota de Cambridge sobre la versión publicada habla de más de 24.000 árboles fotografiados y de una resolución de 0,2 a 0,4 milímetros por píxel; esas dos cifras no están en el preprint, de modo que provienen de esa nota y no de una lectura propia del artículo final.

La prueba de que las fotos sirven viene de los botánicos que las etiquetaron. En los dos sitios con más esfuerzo de etiquetado, la tabla del preprint muestra esto:

DatoIsla Barro Colorado (Panamá)Estación de Biodiversidad Tiputini (Ecuador)
Fotos de acercamiento tomadas4.4856.531
Fotos etiquetadas por botánicos1.7631.436
Etiquetas identificadas hasta especie91,10 %76,73 %
Etiquetas identificadas solo hasta género4,94 %18,63 %
Especies distintas identificadas168218

La diferencia entre los dos sitios no es un defecto del método. Los autores la ven coherente con la diversidad excepcional de árboles de la región de Yasuní, donde queda Tiputini, y señalan que parte de lo que solo se identificó a género podrían ser especies sin describir.

Vista hacia arriba entre troncos grises y ramas de un bosque tropical húmedo, con hojas verdes y pedazos de cielo blanco entre el follaje
El dosel de un bosque tropical húmedo visto desde el suelo, en las islas Andamán (India). Desde esta posición las hojas, flores y frutos que permiten identificar un árbol quedan lejos y entre el follaje, que es el problema que el método intenta resolver.Crédito: Vyacheslav Argenberg, CC BY 4.0, vía [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Havelock_Island,_Canopy_of_tropical_moist_evergreen_forest,_Andaman_Islands.jpg)

Lo que limita el método

Los autores son explícitos sobre las dificultades, y casi todas son de logística, no de algoritmo:

  • La señal RTK es el principal reto operativo. El dron debe mantener la corrección durante toda la misión para fotografiar exactamente en el punto previsto. La antena base necesita un claro amplio, difícil de hallar en un bosque denso, y debe mantener buena comunicación con el control remoto.
  • El alcance máximo logrado fue de 3 kilómetros, con apoyo de una torre de dosel en Tiputini. Esa distancia alcanza para cubrir un área de unas 2.800 hectáreas alrededor del punto de despegue. El fabricante declara un alcance sin interferencias de 8 a 15 kilómetros, pero las normas locales de vuelo a la vista del piloto pueden limitarlo.
  • La batería manda. Con una batería, el máximo fue de 42 árboles (unos 30 minutos de vuelo), y bajó a 15 cuando los árboles estaban lejos del despegue. Los 300 árboles en un día requirieron 4,22 horas de vuelo, repartidas en una jornada de mañana y otra de tarde.
  • No todas las fotos sirven. Algunas salieron sobreexpuestas, desenfocadas o con poca resolución, y en otras la copa era un enredo de especies o el árbol estaba muerto o sin hojas.
  • Seguridad. El dron queda a solo 6 metros del follaje, así que los autores recomiendan práctica previa en un lugar seguro y revisar las alturas de retorno al punto de partida.
Edificios de dos pisos con techo metálico verde y barandas, rodeados de césped y palmas, en una estación de investigación a orillas del río Tiputini
Estación Científica Yasuní, sobre el río Tiputini, en el corazón del Parque Nacional Yasuní (Ecuador). El acceso a este tipo de estaciones es difícil, lo que encarece cada día de campo y hace valioso fotografiar muchas copas por jornada.Crédito: Lauren Whitehurst, CC BY-SA 4.0, vía [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Estacion_Cientifica_Yasuni_%28ECY%29_Yasuni_Research_Station.jpg)

Lo que todavía no está demostrado

La nota de Cambridge aclara que los modelos de clasificación automática de especies se entrenarán con este conjunto de datos, pero no reporta resultados de precisión, ni costos de equipo y personal. Los propios autores avisan en el preprint de que las imágenes etiquetadas aún no son públicas porque se reservan para publicar modelos y conjuntos de referencia. Es decir, la parte de la IA que clasificaría especies sin botánico todavía es una promesa; hoy la identificación la hace una persona experta frente a la pantalla.

Qué significa para quien trabaja con inventarios

Lo que sigue es lectura propia a partir del estudio, no una conclusión de los autores.

  • Mueve el cuello de botella, no lo elimina. El trabajo físico se traslada del árbol al computador: el botánico deja de trepar o de mirar con binoculares, pero sigue siendo quien identifica.
  • Es un método para áreas de cientos de hectáreas. El mapeo de un día cubre unas 200 hectáreas y el alcance de cada punto de despegue llega a unas 2.800; sirve para parcelas, reservas y predios, no para escalas nacionales.
  • Lo reproducible es la ruta, no solo la idea. Hay código con licencia abierta, un dron de catálogo y parámetros de vuelo publicados, algo poco frecuente en métodos de teledetección de punta.
  • Es plausible en otros bosques húmedos, pero no está probado. El método se ensayó en Panamá, Ecuador y Brasil, y los autores afirman que podría extenderse a otros tipos de vegetación. Llevarlo a otro país, como Colombia, exigiría permisos de vuelo propios, señal RTK y un claro para la antena base.

Sobre el vuelo de drones en el país hay otras notas que ayudan a poner contexto, como la de los drones térmicos para fauna arbórea y la de la importación de drones para monitoreo ambiental en Colombia.

Cierre

El mérito de este trabajo no es una tecnología nueva sino la disciplina de juntar piezas disponibles (un dron de catálogo, RTK, fotogrametría y un script abierto) hasta completar más de 150 misiones en tres países. Su promesa, que la IA aprenda a identificar especies con esas fotos, aún no se ha probado; mientras tanto, ya cambia dónde se gasta el tiempo del botánico.

Imagen de portada: bosque de la isla Barro Colorado (Panamá), de Katja Schulz, CC BY 2.0, vía Wikimedia Commons.

Juan Felipe Romero

Ecólogo

Soy ecólogo con posgrado en Administración Ambiental de Zonas Costeras y Máster en Restauración Ecológica, con más de 18 años de experiencia en planificación, gestión y desarrollo de soluciones tecnológicas ambientales.

Este artículo se redactó con apoyo de inteligencia artificial, bajo dirección editorial de Juan Felipe Romero.

Volver al blog

Sigue leyendo