Modelización inteligente para la gestión sostenible de biomasa forestal mediante IA geoespacial

• Sarai Cobas Merino ^[1] ; Darío López Ramos ^[1] ; Jairo Calderón Micaña ^[1] ; Ana-Belén Gil González ^[2]
  1. [1] AIR Institute

     AIR Institute

     Carbajosa de la Sagrada, España

     
  2. [2] Universidad de Salamanca

     Universidad de Salamanca

     Salamanca, España

     
• Localización: Inteligencia artificial aplicada al reto demográfico / coord. por Ana Belén Gil González , Laura Grande Pérez, Javier Parra Domínguez , 2026, ISBN 978-84-1091-189-5, págs. 49-53
• Idioma: español
• Títulos paralelos:
  • Intelligent modelling for sustainable forest biomass management using geospatial AI
• Enlaces
  • Texto completo
• Resumen
  • español

    El proyecto DeepForest propone un enfoque basado en la integración deinteligencia artificial y Sistemas de Información Geográfica (SIG) para apoyar la gestiónsostenible de los recursos forestales mediante el aprovechamiento de la biomasa. El objetivoes identificar áreas con potencial de explotación forestal garantizando la regeneración a largoplazo de los ecosistemas. El marco metodológico combina técnicas de machine learning parala estimación de biomasa aérea con análisis geoespaciales orientados a la caracterización de laidoneidad forestal y la evaluación del potencial energético a escala local. Se han recopilado ypreprocesado datos de inventarios forestales, variables climáticas y cobertura del suelo en laregión de Castilla y León. La estimación preliminar de biomasa se aborda mediante modelosde Random Forest y XGBoost, mientras que se exploran técnicas de clustering no supervisadopara identificar municipios con potencial para la localización de infraestructuras asociadas a la biomasa. Los resultados iniciales muestran la viabilidad del enfoque propuesto, si bien lavalidación exhaustiva y la ampliación del análisis constituyen trabajo en curso.

  • English

    The DeepForest project proposes an approach based on the integration ofartificial intelligence and Geographic Information Systems (GIS) to support the sustainablemanagement of forest resources through the use of biomass. The aim is to identify areas withpotential for forest exploitation while ensuring the long-term regeneration of ecosystems.The methodological framework combines machine learning techniques for estimating aboveground biomass with geospatial analyses aimed at characterising forest suitability and assessingenergy potential at the local level. Data on forest inventories, climate variables and land coverin the region of Castile and León have been collected and pre-processed. Preliminary biomassestimation is addressed using Random Forest and XGBoost models, while unsupervisedclustering techniques are explored to identify municipalities with potential for the locationof biomass-related infrastructure. Initial results show the viability of the proposed approach,although comprehensive validation and expansion of the analysis are ongoing.