El proyecto GO Esjara ha dado un gran paso en la identificación y cartografía de jarales gracias a tecnologías de teledetección. Utilizando imágenes satelitales Sentinel-2 y datos LIDAR del PNOA, el equipo ha desarrollado un mapa detallado de la distribución de jarales en las comarcas de estudio, mejorando significativamente la precisión de las cartografías previas.
Uno de los principales desafíos ha sido la diferenciación entre masas puras de jarales y otras formaciones mixtas. Mediante el análisis multitemporal de imágenes y la aplicación del algoritmo de clasificación automática Random Forest, se ha logrado mejorar la identificación de estas formaciones vegetales. Los resultados han sido especialmente satisfactorios en zonas como Huelva, donde la teledetección ha demostrado su potencial para detectar cambios recientes en la vegetación.
Además, el estudio ha permitido estimar y cartografiar la biomasa disponible en los jarales, lo que resulta clave para su aprovechamiento sostenible. Aplicando modelos basados en datos LIDAR, se ha podido cuantificar la cantidad de biomasa de jara pringosa (Cistus ladanifer) y jara estepa (Cistus laurifolius) en cada zona, contribuyendo a la gestión eficiente de estos recursos. Un ejemplo notable es el modelo aplicado a la comarca de La Sierra Guadalajara, donde se calculó la biomasa total de ambas especies, en base a la metodología publicada en el XX Congreso de la Asociación Española de Teledetección celebrado Cádiz el pasado mes de junio de 2024.
Aunque la metodología ha mostrado grandes avances, el estudio también ha revelado la necesidad de seguir mejorando la integración de datos satelitales y cartográficos, especialmente en regiones con variabilidad fenológica. Estos resultados sientan las bases para una gestión más eficiente y sostenible de los jarales, impulsando su aprovechamiento en la bioeconomía rural.
Predicción de la producción de aceite esencial de jara mediante imágenes satelitales
Una de las grandes cuestiones que nos planteamos al iniciar este proyecto fue si la jara tenía una "huella digital" única en las imágenes satelitales, como un DNI vegetal, que nos permitiera predecir su producción de aceite esencial.
Duran estos años hemos avanzado en el uso de tecnologías de teledetección para estimar la producción de aceite esencial de jara (Cistus ladanifer y Cistus laurifolius). A través de imágenes satelitales Sentinel-2 y modelos de aprendizaje automático, se han analizado distintas zonas piloto para determinar la relación entre el estado de la vegetación y el rendimiento de aceite en diferentes épocas del año.
La obtención de los rendimientos de aceite en campo se realizó mediante la recolección de jara en distintas estaciones del año (primavera, verano, otoño e invierno), seguida de un proceso de destilación por arrastre de vapor, donde se midió la cantidad de aceite esencial extraído en relación con la biomasa seca procesada. Los estudios han revelado que los rendimientos más altos de aceite esencial se obtienen en primavera y otoño, aunque hay casos donde el verano también muestra buenos resultados.
Sin embargo, los estudios preliminares no lograron establecer una relación clara entre los índices de vegetación obtenidos por satélite y los rendimientos de aceite en campo debido a la alta variabilidad de los datos y la limitada cantidad de muestras disponibles, lo que dificultó la construcción de un modelo predictivo fiable.
Para mejorar la precisión, se amplió la base de datos en el Ordial Guadalajara y comenzando a intuirse correlaciones en la tendencia de las series temporales de rendimiento de aceite e índices satelitales.
Espoleados por este resultado recurrimos al análisis de series de datos mas largas cedidas capturadas en el marco del proyecto BIOCISTUS en las zonas de Bustares y Hiendelaencina desde 2021 a 2024. Gracias a este cambio de enfoque estudiando series temporales más largas se logró una predicción más precisa del rendimiento de aceite, permitiendo estimar la evolución del rendimiento a lo largo del tiempo. En la siguiente imagen se puede apreciar la evolución del índice de vegetación GVMI obtenido con Sentinel 2 para las fechas de 7 Mayo (a) y 16 Junio 2024 (b) y los rendimientos de producción de aceite correspondientes predichos por el modelo para las mismas fechas 7 Mayo 2024 (c) y 16 Junio 2024 (d).
Este avance abre la puerta a la generación de cartografías dinámicas de rendimiento de aceite que podrían optimizar la planificación de la cosecha, maximizando la extracción de aceite esencial de forma eficiente y sostenible.
Para ello va a ser necesario seguir trabajando en la recolección de datos de rendimiento de aceite en el tiempo, ya que tal como hemos podrido aprender son necesarias series más lardas de datos para obtener modelos fiables de predicción de rendimiento de aceite.
