Aplicación de datos LiDAR y del sensor SENTINEL al Cálculo del Coeficiente de Admisibilidad de Pastos en la Comunidad Autónoma de La Rioja

Abstract

Las nuevas normativas de la PAC incluyen un coeficiente de obligado cumplimiento, denominado Coeficiente de Admisibilidad de Pastos, que valora los pastos en función del carácter productivo o improductivo de la superficie pastable, con el objetivo de evitar que las zonas que realmente son objeto de pastoreo queden sin subvencionar. Las superficies consideradas como improductivas son principalmente pastos leñosos y arbustivos. Su puesta en valor para aprovechamientos pascícolas implica conocer su estructura y, por tanto, su accesibilidad al ganado. Con el fin de poder hacer esta valoración, es necesario desarrollar una metodología capaz de clasificar la estructura de las formaciones vegetales. En este Trabajo Fin de Máster se han combinado datos LiDAR, información espectral procedente del satélite SENTINEL-2, con trabajos de campo usando el algoritmo Random Forest, técnica englobada en los modelos no-paramétricos de aprendizaje automático, Machine Learning. Mediante este algoritmo se ha clasificado la vegetación con el objetivo de detectar diferentes tipos de vegetación y, en especial, la presencia de matorral bajo arbolado, para así evaluar su admisibilidad a pastos. Los modelos obtenidos arrojan precisiones de 66,12 % sobre la población y un índice de kappa de 0,2902. Los RMSE han sido de 278,68 en arbolado con sotobosque arbustivo; 413,99 para arbolado con sotobosque herbáceo; 84,12 en canchal; 25,01 en matorral y 591,71 para pastizal.