1En las últimas décadas se ha observado un aumento en la conectividad y en la inflamabilidad de las zonas forestales debido, entre otros, al abandono de las actividades tradicionales y a un insuficiente manejo de estas superficies (Canals, 2019). Este hecho, además de favorecer la generación de grandes incendios, supone una amenaza para la diversidad de espacios abiertos de alto valor ecológico (Canals, 2019). Dichos espacios proveen de una serie de servicios ecosistémicos tales como biodiversidad, reducción del riesgo de incendios, control y regulación hidrológica y alimento (Canals, 2019, y citas en su interior). El herbivorismo pírico, entendido como la interacción ecológica entre el fuego y el pastoreo (Fuhlendorf, 2009), ha sido una práctica extendida en distintas áreas de montaña del territorio SUDOE (Sudoeste Europeo), tanto como herramienta de gestión como para la regeneración de los pastos (Rius, Vannière y Galop, 2009; Torres-Manso, Fernandes, Pinto et al., 2014; San Emeterio et al., 2016). Sin embargo, en algunas zonas del mediterráneo, como Andalucía, se ha dejado de practicar debido en parte al abandono rural en estos ambientes, y en parte, a la prohibición del uso del fuego debido a la vinculación del fuego pastoral con los incendios forestales (Canals et al., 2009; Lázaro y Montiel, 2010).
2El herbivorismo pírico, al igual que otras herramientas de gestión forestal, provoca diferentes efectos sobre la vegetación. Así pues, la caracterización y el conocimiento en detalle de estos impactos permite detectar sus posibles consecuencias negativas, que han de ser contempladas a la hora de la planificación de esta herramienta de gestión. Estas prácticas persiguen un doble objetivo: 1) Forestal, con el fin de disminuir la carga combustible y 2) De conservación, con el fin de incrementar el número de especies y la diversidad vegetal en zonas matorralizadas. Por este motivo, dentro del proyecto Open2preserve, se establecieron métodos de seguimiento y monitorización eficientes que permiten comprender la respuesta de las comunidades vegetales frente al herbivorismo pírico y a las quemas prescritas. Dichos métodos deberían contemplar la caracterización de las comunidades vegetales desde el punto de vista i) florístico, detallando qué especies son las más abundantes, estimando su diversidad, etc. y ii) estructural, aportando datos de cobertura, altura y/o fitovolumen. En ecología existen una gran diversidad de métodos destinados a evaluar la vegetación debido a que cada uno de ellos cumple unos objetivos concretos, y a que a lo largo de los años han ido creándose nuevos procedimientos más seguros, fiables y rápidos (Mueller-Dombois y Ellemberg, 1974; Karl, Herrick y Pyke, 2017). Éstos deberían ser capaces de detectar cambios en los indicadores seleccionados para monitorizar de forma adecuada las funciones y procesos de los ecosistemas. Asimismo, deberían ser objetivos, precisos y eficientes, y aportar información sobre el mayor número posible de indicadores en el menor período de tiempo posible, puesto que el apoyo financiero destinado a realizar las actuaciones técnicas o de investigación es siempre limitado (Godínez-Álvarez, Herrick, Mattocks et al., 2009). En este sentido, en los últimos años existe un auge en la utilización de nuevas tecnologías, como por ejemplo drones o RPAS (Remotely Piloted Aircraft System) en estudios ecológicos, forestales y de restauración de ecosistemas, entre otros, debido a la posibilidad de adquisición de grandes cantidades de datos de alta resolución espacial que permiten el mapeo detallado de diferentes atributos estructurales y funcionales de la vegetación (Assmann, Kerby, Cunliffe et al., 2018; Chen, Zhao, Cao et al., 2018; Díaz-Delgado y Mücher 2019). Además, mientras que los muestreos de campo suelen ser laboriosos y son susceptibles de inframuestrear tanto en el espacio como en el tiempo, las imágenes adquiridas mediante dron pueden aportar métodos rápidos, precisos y menos laboriosos para medir la vegetación, que pueden usarse para detectar cambios en cobertura, altura de la vegetación, suelo desnudo, etc. (Zhang, Okin, Zhou et al., 2021). Las imágenes adquiridas por dron, junto con la metodología «structure from motion» (SfM), que es una técnica fotogramétrica que construye modelos 3D a partir de imágenes 2D, pueden aportar una serie de indicadores (como cobertura vegetal y fitovolumen) sobre las comunidades vegetales (Zhang, Okin, Zhou et al., 2021).
3Este trabajo compara diferentes métodos de evaluación de campo y los utiliza para validar el método de teledetección (sensores transportados por un dron) en el estudio de la evolución de la vegetación tras la aplicación de las quemas prescritas y del herbivorismo pírico en las montañas del sudeste ibérico. Para ello, se plantean tres objetivos específicos: i) forestal, mediante la evaluación de la carga del combustible vegetal, a través de parámetros estructurales: cobertura y fitovolumen; ii) de conservación, mediante el seguimiento de los parámetros florísticos: riqueza y diversidad; iii) tecnológico, ligado a la validación de los datos obtenidos por los drones para la evaluación de los parámetros estructurales de la vegetación.
Figura 1 – Tratamientos de la experiencia piloto: Zona negra, Quema prescrita de otoño: quema de otoño + No pastoreo (QP Otoño); Zona roja, Herbivorismo pírico de otoño: quema de otoño + pastoreo (HP Otoño); Zona amarilla, Herbivorismo pírico de primavera: quema de primavera + pastoreo (HP Primavera). Círculos negros rayados: parcelas de 500 m2
Fuente: SERPAM-EEZ-CSIC
4La experiencia piloto (EP) se ubica en la vertiente norte de la Sierra de los Filabres (37°18’35,30»N 2°36’9,67»W), término municipal de Alcóntar, (Almería, España) (fig. 1). El clima en la zona es seco con clara influencia semiárida, de veranos cortos, calientes y áridos e inviernos largos, fríos y secos, con heladas frecuentes (– 5 ºC). La precipitación anual media es de 400 mm y las temperaturas medias mensuales oscilan entre 3 y 33 ºC. La vegetación está formada por aulagares-romerales, dominados por la aliaga o aulaga (Genista scorpius [L.] DC.) y espartales, dominado por el esparto (Macrochloa tenacissima [L.] Kunth), acompañados por Helianthemum almeriense Pau, Bupleurum frutiscescens Loefl. ex L., Helianthemum cinereum (Cav.) Pers., Salvia rosmarinus Schleid., Lavandula lanata Boiss., Salvia lavandulifolia subsp. vellerea (Cuatrec.) Rivas Goday & Rivas–Mart., Teucrium capitatum L., Hippocrepis bourgaei (Nyman) Hervier, Retama sphaerocarpa (L.) Boiss., Colutea hispanica Talavera & Arista, Helictotrichon filifolium (Lag.) Henrard, Koeleria vallesiana (Honck.) Bertol. ex Schult., Dactylis glomeratum subsp. hispanica (Roth) Nyman, Avenula bromoides subsp. pauneroi Romero Zarco y Poa bulbosa L.
5El 18 de diciembre de 2018 se realizó una quema prescrita en dos zonas adyacentes (fig. 1), en una de ellas sólo se aplicó el tratamiento quema prescrita (QP Otoño, sin pastoreo), con 3,4 ha, y en la otra se aplicó el tratamiento herbivorismo pírico (HP Otoño, quema+pastoreo), con 5,6 ha. Adicionalmente, el 7 de abril de 2019 se realizó otra quema prescrita (2,85 ha) que posteriormente fue pastoreada (HP Primavera).
6La vegetación fue evaluada antes de cada quema y tras ésta, cada año, en primavera y otoño, hasta la primavera de 2021. Para ello, dentro de cada tratamiento se establecieron 4 parcelas circulares de 500 m2 (fig. 1) distribuidas aleatoriamente dentro de cada tratamiento. En cada una de éstas, se instalaron: i) un transecto fijo común para los tipos de muestreo de point-quadrat (Daget and Poissonet, 1971) y line-intercept (Canfield, 1949; 4 transectos por tratamiento y un total de 12 transectos para la EP), y ii) 8 cuadrados fijos de 1 m2, para el método de parcelas (32 cuadrados por tratamiento y 96 para toda la EP).
Figura 2 – Muestreos de point-quadrat
Fuente: SERPAM-EEZ-CSIC
Figura 3 – Medición de la altura moda en el muestreo de line-intercept
Fuente: SERPAM-EEZ-CSIC
7A continuación, se describen los distintos métodos de muestreo:
8• Método de point-quadrat. Dentro de cada parcela de 500 m2, se estableció un transecto lineal de 20 m con 100 puntos de muestreo, situados cada 20 cm. En cada punto, se colocaba una aguja de 2 mm de diámetro, y se registraron todas las especies que contactaban esta aguja, tanto en su base, como a lo largo de ella (fig. 2). La lectura a lo largo de la aguja se realizó sobre la cara que miraba al evaluador. Este método permitió evaluar: i) cobertura, estimada como el porcentaje de puntos que tienen al menos una especie vegetal; ii) riqueza, número de especies que aparecen en un transecto; iii) índice de Shannon, calculado como:
9donde pi es la frecuencia relativa de la especie i y n el número total de especies
10• Método line-intercept (Canfield, 1949). Para cada parcela de 500 m2, se estableció un transecto y, en cada uno, se registró la intercepción lineal de la proyección vertical de los arbustos y herbáceas perennes que caían sobre el mismo. La longitud total interceptada por todas las plantas se utilizó para calcular la cobertura. Asimismo, para cada arbusto que interceptaba se medía la altura más frecuente (moda; fig. 3). Los parámetros evaluados fueron: i) cobertura (%), estimada como el porcentaje de transecto cubierto por plantas; ii) altura moda de cada planta que interceptaba el transecto; iii) fitovolumen (m3 ha– 1), calculado como cobertura (m2 ha– 1) × altura moda (m); iv) riqueza, estimado como el número de especies que se registraban en un transecto; v) índice de Shannon, calculado como

11donde pi es la frecuencia relativa de la especie i y n el número total de especies
12• Cuadrados fijos de 1 m2 (fig. 4). Previo a la quema, dentro de cada parcela de 500 m2 se establecieron 8 cuadrados, que fueron clasificados en 4 categorías (2 cuadrados por cada rango): 1) matorral de baja cobertura, < 25% y especies de porte bajo; 2) matorral de media cobertura, entre 25%-50% y especies de mediano porte; 3) espartal denso, cobertura > 50%, especie dominante Macrochloa tenacissima; 4) matorral denso, cobertura > 50%, especie dominante Genista scorpius. En cada cuadrado se estimó visualmente la cobertura para cada especie y la cobertura total del cuadrado y se midió la altura moda. Los parámetros evaluados en cada uno de los cuadrados fueron: i) cobertura total (%); ii) altura moda de cada especie presente (cm); iii) fitovolumen total, calculado como la cobertura (m3 ha– 1) × la altura moda (m); iv) riqueza, estimada como el número total de especies encontradas en los 8 cuadrados de cada parcela de 500 m2; v) índice de Shannon, calculado como:

13donde pi es la frecuencia relativa de la especie i y n el número total de especies por cuadrado

Figura 4 – Parcela de 500 m2 con 8 cuadrados de 1 m2 clasificadas por rangos (dos cuadrados por cada rango): 1) matorral de baja cobertura, < 25% y especies de porte bajo; 2) matorral de media cobertura, entre 25%-50% y especies de mediano porte; 3) espartal denso, cobertura > 50%, especie dominante Macrochloa tenacissima; 4) matorral denso, cobertura > 50%, especie dominante Genista scorpius
Fuente: SERPAM-EEZ-CSIC
14Seguimientos con dron. Con el objetivo de comparar los parámetros estructurales (cobertura y fitovolumen) obtenidos mediante dron con las mediciones de campo, se realizaron varios vuelos de dron durante los muestreos de primavera del último año (21/05/2021). Para ello se utilizó un multicóptero modelo DJI Matrice 210 RTK V2 (Da-Jiang Innovations, Shenzhen, China), cuyas características generan una información de posicionamiento de precisión centrimétrica. Previo a la realización del vuelo, y con objeto de obtener información lo más precisa posible, se realizó una planificación del vuelo utilizando el software UgCS (ugcs.com) y, además, se instalaron 10 dianas de 50 × 50 como puntos de control (GCP, Ground Control Points) en la zona piloto para la georreferenciación. Los vuelos se realizaron a 30 m de altura en las horas centrales del día, cuando los rayos de sol inciden de manera perpendicular con el terreno evitando que se produzcan sombras que distorsionen la información espectral. Se utilizaron un sensor RGB y otro sensor multiespectral. Para la obtención de imágenes RGB se utilizó una cámara Zenmuse X7, con una resolución de 24 MP y una resolución espacial de 0,7 cm. Asimismo, para la adquisición de imágenes multiespectrales, se utilizó una cámara Micasense RedEdge (compuesto por un sensor multiespectral de 5 bandas (resolución 1,2 MP): azul (475 nm), verde (560 nm), rojo (668 nm), borde rojo (717 nm) e infrarrojo cercano (842 nm); con un campo visual de 47,2º. La resolución espacial para cada banda espectral fue de 2 cm.
15Una vez realizados los vuelos, se llevó a cabo un preprocesamiento de las imágenes, su georreferenciación y la aplicación de diferentes correcciones radiométricas para la consecución de buena información. Las imágenes adquiridas en los vuelos se procesaron mediante el software de fotogrametría PIX4D (pix4d.com), que permitió la creación del ortomosaico y el modelo digital de superficies del conjunto en estudio y la generación de las distintas bandas de reflectancia (sensor multiespectral). Se aplicaron clasificaciones espectrales semiautomáticas para poder diferenciar los elementos presentes en el área de estudio con el fin de discriminar entre material vegetal y material inerte, y, posteriormente, realizar una clasificación entre las diferentes coberturas de vegetación. Por otra parte, se generó un algoritmo para poder modelizar el terreno a partir de las nubes de millones de puntos tridimensionales que se generaron mediante PIX4D. De esta forma, se generaron archivos ráster con la información de la altura, la superficie y el fitovolumen de cada pixel de la zona de estudio clasificado previamente como vegetación. La vectorización posterior de las máscaras obtenidas, permitió estimar la cobertura y el fitovolumen para cada parcela de 500 m2 y para cada cuadrado de 1 m2. En el caso de las parcelas de 500 m2 se compararon los valores obtenidos mediante dron con los estimados mediante transectos (line-intercept y point-quadrat).
Tabla 1 – Parámetros evaluados mediante cada método de muestreo
*Parámetros evaluados sólo para arbustos y especies herbáceas perennes.
Fuente: SERPAM-EEZ-CSIC
16En este trabajo sólo se analizaron los datos de campo del último muestreo promediados para toda la EP, no se ofrecen resultados desglosados por tratamiento sino para el conjunto de la EP, ya que el objetivo, como se mencionó anteriormente, es comparar distintos métodos de evaluación de la vegetación, no los tratamientos. Para las comparaciones de cobertura, fitovolumen y diversidad entre transectos y cuadrados, los valores de los 8 cuadrados fueron promediados para cada parcela. Algunos resultados desglosados por fecha y tratamiento pueden consultarse en Ramos-Font, Tognetti, Yebra et al. (2021), Ramos-Font, Pérez-Luque, Tognetti et al. (2022) y Pérez-Luque, Ramos-Font, Tognetti et al. (2022).
17La tabla 1 resume los parámetros evaluados mediante cada uno de los métodos de muestreo utilizados en este estudio.
18Para la comparación de los diferentes métodos de muestreo se aplicaron procedimientos paramétricos o no paramétricos en función de si se cumplían los supuestos de normalidad y homocedasticidad. La comparación entre dos grupos se realizó usando la t de Student y el test de Wilcoxon Mann-Whitney, para muestras paramétricas y no paramétricas, respectivamente. Para comparar más de dos grupos, se aplicó el test de Kruskal-Wallis (no paramétrico), junto con la prueba post hoc de Dunn con ajuste de Bonferroni para analizar las diferencias entre cada uno de los métodos comparados (tabla 2). Adicionalmente se exploró la correlación entre los diferentes métodos de muestreo mediante el análisis de correlaciones.
19A continuación, se describen y discuten los resultados para cada uno de los tres objetivos específicos descritos en la introducción.
20La carga combustible fue estimada mediante dos parámetros: cobertura (%) y fitovolumen (m3 ha –1). Respecto a la cobertura, comparando los tres métodos de muestreo de campo podemos observar que el método de point-quadrat mostró valores sensiblemente más elevados que los otros dos métodos, que fueron similares entre sí (tabla 2; fig. 5). Asimismo, los modelos mostraron una buena correlación entre los dos métodos de transectos (R2 = 0,63; p = 0,002; fig. 6), pero no entre los transectos y el método de cuadrados (R2 < 0,12; fig. 6).
21Son numerosos los estudios que indican que los métodos de puntos sobrestiman la cobertura (o densidad) respecto a los métodos de intercepción (Whitman y Siggeirsson, 1954; Brun y Box, 1963; Cagney, Cox y Booth, 2011), por lo que, probablemente, en nuestro caso, pensamos que también sea así. Sin embargo, otros autores que comparan distintos métodos de muestreo (Godínez-Álvarez, Herrick, Mattocks et al., 2009) señalan al método de puntos (en su caso, denominado line-point intercept) como el mejor método de muestreo puesto que es el que aporta la información más precisa en menos tiempo. Asimismo, indicaron que los métodos de observación visual son los menos precisos, aunque son más fiables para la estimación de la cobertura en comunidades arbustivas que en comunidades herbáceas.
22En cuanto al fitovolumen, se observó que el método de cuadrados fue significativamente superior al método de line-intercept (t-Student = – 2,20; p = 0,038; tabla 2), y que la correlación entre ambos métodos no fue significativa y obtuvo unos valores de R2 muy bajo (R2 = 0,032; fig. 6). Estos resultados podrían indicar que ambos métodos no son comparables a la hora de evaluar la parcela de 500 m2, probablemente debido a que los cuadrados están recogiendo más variabilidad de la existente en la parcela que la que recoge un único transecto. Por este motivo, sería recomendable incrementar el número de transectos por parcela.
Tabla 2 – Resultados de los análisis estadísticos para la comparación de distintos métodos de evaluación de la vegetación
Fuente: SERPAM-EEZ-CSIC
23Se compara el número de especies que aparece en un transecto de 20 m evaluado mediante point-quadrat y mediante line-intercept, y el número de especies que aparecen en el total de los 8 cuadrados de cada parcela de 500 m2. En este caso, el método de cuadrados obtuvo cerca del triple de especies (34) que los métodos de transectos (H = 19,68; p < 0,000 1; tabla 2), sin embargo, no hubo diferencias significativas entre line-intercept y point-quadrat (aproximadamente 13 especies; fig. 5). Coincidiendo con nuestros resultados, Godínez-Álvarez et al. (2009) observaron que, para evaluar la riqueza total de una comunidad, los métodos oculares son los más idóneos debido a que son capaces de registrar un mayor número de especies que los métodos de puntos. Estos mismos autores, señalan que los métodos de puntos son adecuados para censar las especies comunes, pero no lo son para detectar las especies raras (Godínez-Álvarez et al., 2009). Finalmente, el modelo de correlación indica que existe una relación significativa entre los dos métodos de transectos (fig. 6). A pesar de que el método de line-intercept sólo se consideraron las especies perennes (arbustos y gramíneas perennes) mientras que en point-quadrat se evaluaron tanto especies anuales como perennes, los resultados fueron muy similares entre ambos métodos y además estaban significativamente correlacionados (fig. 5 y 6), lo que podría sugerir que la contribución de las especies anuales en estas comunidades es poco relevante.
24La diversidad fue similar entre ambos métodos de transectos, y entre line-intercept y método de cuadrados, sin embargo, fue mayor para point-quadrat que para el método de cuadrados (tabla 2 y fig. 5). De forma similar a lo que ocurría en la riqueza, el modelo muestra una correlación muy alta entre los métodos de transectos, pero no es así cuando se comparan éstos con el método de cuadrados (fig. 6), quizá, como indicamos para la cobertura, sería recomendable incrementar el número de transectos para muestrear las parcelas de 500 m2. Finalmente, los métodos de puntos han sido considerados como una buena opción para evaluar los ecosistemas porque son rápidos, objetivos y eficientes, y además pueden compararse con otros datos basados en puntos (Godínez-Álvarez, Herrick, Mattocks et al., 2009).
Figura 5 – Cobertura (a), fitovolumen (b), riqueza (c) e índice de Shannon estimados mediante tres métodos de campo: line-intercept, point-quadrat y cuadrados de 1 m2
Fuente: SERPAM-EEZ-CSIC
25Los resultados muestran una buena correlación entre los valores de cobertura obtenidos mediante dron con los obtenidos mediante métodos de cuadrados (R2 = 0,82; fig. 7). Estos valores de correlación son similares a los arrojados por otros estudios de estimación de cobertura en matorrales de diferentes ecosistemas (Booth, Cox, Meikle et al., 2008; Breckenridge, Dakins, Bunting et al., 2011; Gillan, Karl y van Leeuwen, 2020; Gränzig, Fassnacht, Kleinschmit et al., 2021). No obstante, observamos que los valores de cobertura obtenidos por métodos de cuadrados son superiores a los obtenidos mediante dron (tabla 2; p < 0,001; fig. 7). Pérez-Luque, Ramons-Font, Tognetti et al. (2022) atribuyeron esta diferencia a una posible subestimación de la cobertura por parte del dron en los cuadrados con cobertura más baja. Asimismo, Gillan, Karl y van Leeuwen (2020) observaron que cuando las plantas tenían un color amarillo/marrón, eran difícil de separar del suelo desnudo. Probablemente, en nuestro estudio, parte de la cobertura vegetal evaluada por los observadores de campo, que formaba parte del leño o de herbáceas secas, no fue reconocida en las imágenes de dron, coincidiendo en parte con los resultados obtenidos en otros estudios similares que indican que el dron subestima las herbáceas (Barnas, Darby, Vandeberg et al., 2019).
Figura 6 – Correlaciones entre cuadrados y line-intercept, cuadrados y point-quadrat, y line intercept y point-quadrat
Fuente: SERPAM-EEZ-CSIC
Figura 7 – Comparación (a y c) y correlaciones (b y d) para la cobertura y fitovolumen estimados mediante dron y cuadrados de 1 m2
Fuente: SERPAM-EEZ-CSIC
26Al igual que ocurría con la cobertura, los valores de fitovolumen obtenidos mediante dron fueron inferiores a los obtenidos mediante la evaluación en campo de los cuadrados de 1 m2 (tabla 2; fig. 7). Del mismo modo, los modelos de regresión muestran una excelente correlación entre ambos métodos (fig. 7; R2 = 0,9). Al igual que en el caso de la cobertura, la subestimación de valores del dron respecto al método de cuadrados podría deberse a la dificultad para incluir las partes secas y/o leñosas de la vegetación dentro de la cobertura vegetal, así como a la subestimación del dron en las parcelas con coberturas más bajas.
27Cuando se comparan las imágenes tomadas con dron para la parcela frente a los transectos vemos que las diferencias son significativas entre los tres métodos, siendo los datos obtenidos por dron inferiores a line-intercept y éstos inferiores a point-quadrat (tabla 2; fig. 8). Además, los modelos de correlación muestran unas R2 bajas (inferiores a 0,28; fig. 8). Estos resultados podrían deberse a que en nuestro estudio se comparan los resultados de un único transecto con una parcela completa de 500 m2. De hecho, otros autores (Gillan, Karl y van Leeuwen, 2020; Zhang, Okin, Zhou et al., 2021) obtuvieron buenos valores de correlación cuando comparaban los resultados obtenidos de mediciones en campo de transectos con estimaciones realizadas a partir de imágenes obtenidas mediante drones sobre esos mismos transectos. Considerando esto, la baja correlación obtenida en nuestro estudio puede explicarse debido a un defecto en el diseño de muestreo (falta de transectos para realizar la comparación entre los métodos), sugiriendo la necesidad de realizar más transectos para realizar dicha comparación. En este sentido, para realizar este tipo de comparación sería más idóneo realizar la metodología propuesta por Gillan, Karl y van Leeuwen (2020) que realizaban las estimaciones de las imágenes mediante un rectángulo colocado sobre el transecto de longitud 25 m (en su caso) y 33 cm de ancho.
Figura 8 – Resultados (a y c) y correlaciones (b y d) para la cobertura y fitovolumen estimados mediante dron, point-quadrat y line intercept
Fuente: SERPAM-EEZ-CSIC
28En el caso de la estimación de fitovolumen de dron comparado con el line-intercept se observa que a pesar de que no existen diferencias significativas entre sus valores (tabla 2; fig. 8), la correlación entre ambos métodos es prácticamente nula (fig. 8). Por tanto, tampoco consideramos que, por los mismos motivos argumentados para la cobertura, éste sea un buen método de validación de los muestreos de dron con valores de campo.
29La tabla 3 pretende mostrar todos los resultados del estudio de una forma sintética y visual. De este modo, podemos concluir que el método de point-quadrat, aparentemente, sobreestima la cobertura, aunque es más objetivo y preciso que el método de cuadrados. Adicionalmente, este método es capaz de detectar los mayores valores de diversidad. Por su parte, el line-intercept es un método útil y rápido para la estimación de la cobertura y fitovolumen de especies arbustivas, aunque es necesario incrementar el número de transectos para caracterizar parcelas grandes (500 m2) como las utilizadas en este estudio. Ambos métodos de transectos están bien correlacionados entre sí y muestran valores similares, excepto para la cobertura, que es mayor para el point-quadrat.
30El método de cuadrados resulta algo más tedioso de realizar, pero permite identificar cada una de las especies incluidas dentro de un cuadrado y, por ello, registró el mayor número de especies. Como alternativa, se podrían seguir utilizando los métodos de transectos y, posteriormente, hacer una inspección visual a cada lado del transecto (2,5 m por cada lado) para identificar todas las especies que no estaban incluidas en éste.
31Para la validación de los resultados estimados mediante imágenes, el método de cuadrados es un método de campo fiable, puesto que está altamente correlacionado con las imágenes de dron, tanto para la cobertura como para el fitovolumen, aunque sobrestima sus valores. Por el contrario, los transectos no mostraron una buena correlación con las imágenes, probablemente, debido a un defecto en el diseño de muestreo. Como alternativas planteamos realizar los análisis de imágenes sobre la misma línea del transecto (considerando una anchura de 33 cm), en lugar de sobre toda la parcela.
32Como propuestas a futuro, consideramos necesario realizar estudios adicionales para estimación de fitovolumen, utilizando además otro tipo de sensores más precisos, como son los sensores LIDAR.
Tabla 3 – Resumen de los resultados de las comparaciones y correlaciones desglosados por parámetros y objetivos
PQ = Point-quadrat, LI = Line intercept, C = Cuadrados
Fuente: SERPAM-EEZ-CSIC<