Effective integration of drone technology for mapping and managing palm species in the Peruvian Amazon

Abstract

Los datos de sensores remotos podrían aumentar el valor de los recursos de los bosques tropicales al ayudar a mapear especies económicamente importantes. Sin embargo, las herramientas actuales carecen de precisión sobre áreas extensas y siguen siendo inaccesibles para las partes interesadas. En este trabajo, colaboramos con el Servicio Nacional de Áreas Naturales Protegidas por el Estado (SERNANP) de Perú para desarrollar e implementar métodos precisos a escala de paisaje y nivel de especie para evaluar la distribución y abundancia de palmeras amazónicas arborescentes económicamente importantes, utilizando datos de campo, imágenes de drones de espectro visible y aprendizaje profundo (deep learning). Comparamos los costos y el tiempo necesarios para realizar inventarios y desarrollar planes de cosecha sostenible de frutos en dos comunidades, utilizando tanto métodos tradicionales basados en parcelas como nuestros métodos basados en drones. Nuestro enfoque detecta palmeras individuales con una precisión y exhaustividad superiores al 90%. Demostramos que la integración de drones y el aprendizaje profundo reduce sustancialmente el tiempo de los inventarios en comparación con los métodos tradicionales, permitiendo la creación de planes de manejo para áreas mucho más grandes. Este enfoque es técnica y económicamente viable para ser adoptado por agencias gubernamentales y comunidades locales con el fin de mejorar la gestión y conservación de los recursos forestales tropicales.