En septiembre de 2022 la revista "International Journal of Applied Earth Observation and Geoinformation" ha publicado el artículo científico "Artificial intelligence-based software (AID-FOREST) for tree detection: A new framework for fast and accurate forest inventorying using LiDAR point clouds”.
INVENTARIO FORESTAL CON LiDAR TERRESTRE Y A.I.
El grupo operativo GO MONTE DIGITAL, integrado por la Universidad de Castilla-La Mancha (UCLM), Dielmo 3D SL y Naturtec SL, ha desarrollado un nuevo software específico denominado AID-FOREST (Artificial Intelligence for Digital Forest). Este nuevo software permite identificar de forma automática, con precisión y a bajo coste, todos los árboles que componen la parcela o cantón y obtener la mayoría de los parámetros dendro y dasométricos objetivo de la caracterización del monte.
Los resultados obtenidos muestran un comportamiento muy adecuado en diferentes ecosistemas pero, además, nuestro software tiene la capacidad de ser adaptable a otras casuísticas no contempladas hasta ahora.
- Basado en Inteligencia artificial.
- Medición directa del área basimétrica, volumen, etc.
- Software automatizado y personalizable.


Estructura forestal 3D
Con la tecnología LiDAR podemos pasar de una concepción de disponibilidad de información bidimensional en pixeles, a una concepción tridimensional con un formato denominado VOXELS (volumetric pixels), donde es posible conocer el porcentaje de puntos dispuestos en cada voxel del espacio.
En el caso de los bosques, la estructura tridimensional tiene implicaciones en la propagación de los incendios forestales, en la riqueza de las comunidades silvestres, etc. Además otros aspectos funcionales de los bosques, como la productividad, están relacionados con la estructura de la cobertura forestal.
- Procesos automatizados para grandes volúmenes de datos
- Algoritmos personalizables para estructuras forestales 3D
- Metodología VOXEL o "Pixels Volumétricos"
Modelos de combustible
La disponibilidad de la estructura tridimensional del bosque, permite establecer una clasificación de modelos de combustible de 16 clases, favoreciendo la diferenciación de estructuras de vegetación, con o sin continuidad del combustible, entre el estrato de matorral y el estrato de copas. Estas 16 clases también se pueden agrupar en 4 según vemos en las imágenes superiores.
DIELMO ha desarrollado algoritmos propios para la estimación de modelos de combustible, basados en la estructura forestal 3D. Tenemos capacidad de personalización de los algoritmos para utilizar esta estructura forestal 3D junto con otros parámetros para mejorar estos modelos. Además, podemos automatizar estos procesos en una cadena de producción para grandes volúmenes de datos.
- Algoritmos personalizables para el cálculo de Modelos de Combustible con LiDAR
- Procesado optimizado para grandes volúmenes de datos
