Predicción de cosechas de setas silvestres en bosques mediterráneos utilizando sensores remotos activos y pasivos

Abstract

Forests provide valuable resources for society. Their sustainable management maximises the production of the products they provide, at a rate that maintains their biodiversity, productivity, and regenerative capacity. Forest resources include non-wood forest products (NWFP), including wild mushrooms. In addition to the direct provisioning and cultural ecosystem services they provide, mushrooms also offer supporting and regulatory services. Currently, the harvesting of edible wild mushrooms has increased dramatically, but their yields are directly affected by global change processes. Sustainable management of this NWFP can be supported by new tools offered by information technologies, including remote sensing, which provides a multitude of in situ data, at low cost and with high spatial and temporal resolution. The starting hypothesis that remotely sensed data can be used to predict wild mushroom yields in Mediterranean forests is the innovative approach of this PhD Thesis. The main objective is to predict and to estimate mushroom production with data obtained from active and passive remote sensors. For this purpose, three methodologies have been developed combining meteo-climatic data with remotely sensed data: multispectral optical imagery, terrestrial LiDAR (TLS) data and SAR data to estimate mushroom yields. The first chapter focuses on testing whether remote sensing data can predict wild mushroom yields from NDVI, soil moisture and multispectral optical images. The combination of remotely sensed data and meteo-climatic data predicts wild mushrooms yields better than remote sensing data alone. This chapter has been published in the article "Primary productivity and climate control mushroom yields in Mediterranean pine forests" in the JCI journal Agricultural and Forest Meteorology (2020). The second chapter, "Stand Structural Characteristics Derived from Combined TLS and Landsat Data Support Predictions of Mushroom Yields in Mediterranean Forest", published in the JCI journal Remote Sensing (2022), hypothesises that the combined use of different types of remotely sensed data has great potential for wild mushrooms yield estimation. The interaction between Landsat and TLS data has the potential to predict wild mushrooms yields in Mediterranean forests. The third chapter of this PhD Thesis focuses on the time series analysis of SAR data. There are very good correlations between interferometric coherence and mycorrhizal wild mushrooms yields. This chapter is currently under review for publication in a JCI journal: "Towards prediction of forest wild mushrooms yields with time series of Sentinel-1 interferometric coherence data". All this research provides a new perspective for the study of wild mushrooms using remote sensing, improving the temporal and spatial resolution of mushroom yield predictions, and contributing to unveiling the factors that trigger the fruiting of wild mushrooms.

Los bosques proporcionan recursos beneficiosos para la sociedad. Su gestión sostenible hace que se maximice la producción de los recursos que ofrecen, realizándose a un ritmo que permita mantener su biodiversidad, su productividad y su capacidad de regeneración. Entre los recursos forestales se encuentran los productos forestales no madereros (PFNM), entre los que se encuentran las setas silvestres. Además de los servicios ecosistémicos directos de abastecimiento y culturales que ofrecen, los hongos también brindan servicios de soporte y regulatorios. Actualmente, la recolección de setas silvestres comestibles ha aumentado notablemente, pero sus cosechas están afectadas directamente por los procesos de cambio global. La gestión sostenible de este PFNM puede apoyarse en las nuevas herramientas que ofrecen las tecnologías de la información, entre las que se encuentra la teledetección, que proporciona multitud de datos in situ, a bajo coste y con alta resolución espacial y temporal. La hipótesis de partida de que los datos obtenidos mediante sensores remotos pueden ser utilizados para predecir las cosechas de setas silvestres en los bosques mediterráneos constituye el innovador planteamiento de partida de esta Tesis Doctoral. El principal objetivo es predecir y estimar la producción de setas con datos obtenidos a partir de sensores remotos activos y pasivos. Para ello, se han desarrollado tres metodologías en las que se combinan datos meteo-climáticos con datos procedentes de la teledetección: imágenes ópticas multiespectrales, datos obtenidos con LiDAR terrestre (TLS) y datos SAR para estimar las cosechas de setas. El primer capítulo se centra en comprobar si los datos de teledetección permiten predecir los rendimientos de setas silvestres a partir del NDVI, la humedad del suelo e imágenes ópticas multiespectrales. La combinación de datos procedentes de sensores remotos y datos meteo-climáticos predice mejor las cosechas de setas silvestres que los datos de teledetección solamente. Este capítulo ha sido publicado en el artículo “Primary productivity and climate control mushroom yields in Mediterranean pine forests” en la revista Agricultural and Forest Meteorology (2020), incluida en el JCI. El segundo capítulo, “Stand Structural Characteristics Derived from Combined TLS and Landsat Data Support Predictions of Mushroom Yields in Mediterranean Forest”, publicado en la revista incluida en el JCI Remote Sensing (2022), parte de la hipótesis de que el uso combinado de diferentes tipos de datos de teledetección tiene un gran potencial para la estimación de cosechas de setas silvestres. La interacción entre los datos Landsat y TLS tienen capacidad de predicción de las cosechas de setas silvestres en los bosques mediterráneos. El tercer capítulo de esta tesis se centra en el análisis de series temporales de datos SAR. Existen muy buenas correlaciones entre la coherencia interferométrica y la producción de setas silvestres micorrícicas. Este capítulo se encuentra actualmente en revisión para su publicación en una revista del JCI: “Towards prediction of forest wild mushrooms yields with time series of Sentinel-1 interferometric coherence data”. Todos estos trabajos suponen una nueva perspectiva para el estudio de las setas silvestres utilizando la teledetección, pudiendo mejorar así la resolución temporal y espacial de las predicciones de sus cosechas y contribuyendo a desvelar los factores que desencadenan la fructificación de los hongos silvestres