https://greenmarked.it/wp-content/uploads/2026/09/pollen.jpg
1093
1367
Jennifer Lüdtke
https://greenmarked.it/wp-content/uploads/2022/01/LOGO-GREENMARKED-SITO-600x600.png
Jennifer Lüdtke2026-09-08 05:37:022026-09-08 18:03:47Bumblebees Severely Struggled with Heatwaves Across Europe This SummerExiste un algoritmo estadístico – bastante conocido para cualquiera con un poco de conocimiento en machine learning – llamado "Random Forest".
Como buen forestal, no muy versado en terminología informática, la primera vez que me encontré con este término pensé al momento que se refería a alguna suerte de sistema de clasificar la estructura de un bosque, definitivamente no a un mecanismo complejo de formación de datos estadísticos.
Y aún así, en mi ignorancia matemática, no estaba tan lejos de la realidad. Porque este mecanismo estadístico (que me perdonen mis colegas informáticos por la simplificación) no hace nada más que clasificar un conjunto de datos para asignarle unas etiquetas: coje una colección de distintas piezas de información dispersas y heterogéneas y las divide en grupos más pequeños y ordenados siguiendo un esquema lógico.
¿Cómo lo hace? En términos simples, a partir del conjunto original de los datos crea muchas ramas de decisiones, de las cuales deriva la decisión final. Visualmente, el mecanismo se representa como una serie de árboles que se ramifican uno tras de otro – de aquí el término "Random Forest".
Para el sector forestal, como para tantos otros sectores técnicos, la recolección, el procesamiento y la gestión de los datos son una cuestión fundamental. Y “Random Forest”, en bosques y otras áreas, es una de las muchas maneras para hacer aquello que la técnica demanda: clasificar, organizar, y proponer respuestas concretas.
Imagina una fotografía a vista de pájaro detallada y a color en la que se pueden distinguir bosques, pastos, carreteras, árboles solitarios, casas y complejos industriales, lagos, ríos y rocas. El trabajo de un técnico sería clasificar esta fotografía y convertirla en un mapa – detallado pero fácil de usar – que represente este terreno. Pueden hacerlo a mano, dibujando lo que ven en la foto e investigando en el campo aquello que no sea visible, o pueden ir a lo digital y… dejar que el ordenador se encargue de ello.
Una vez el mapa está hecho, lo pueden imprimir y transformarlo en un cartel informativo bonito – ese que ves en el sendero y que dice “USTED ESTÁ AQUÍ” – o pueden hacerlo disponible online con posibilidades de geolocalización y notificaciones a tiempo real mientras estás en el sendero .
No es sólo eso, ya que el mapa también representa todos los árboles en una ciudad – si son visibles en la foto – puede responder a la pregunta del ayuntamiento sobre el número de árboles que hay que manejar desde la administración. Sin embargo, los presupuestos que se asignan a estos árboles dependen de la altura y el tamaño de cada uno, por lo que sería necesario hacer un censo total sobre el terreno… o quizás no.
¿Y qué hay de las carreteras? ¿Puede la compañía forestal transportar la madera con un camión por la pista forestal que atraviesa la montaña, o la pendiente es demasiado para ello, o aún peor, hay si quiera una carretera que cruce la montaña? ¿Qué árboles pueden recogerse? ¿Hayas, abetos, castaños? ¿Y cuánto beneficio económico generará la compañía de la venta de esta madera? ¿Será mejor otro bosque, con una mejor accesibilidad?
Y por último, pensando en esa nueva nave industrial que están construyendo en esa pequeña parcela de suelo construible que queda entre el río y el área protegida… ¿Podemos estar realmente seguros de que esta estructura puede construirse sin perturbar a los anfibios en su época reproductiva?
Estas son tan sólo algunas de las preguntas que un técnico forestal debe responder en el ejercicio de su profesión. Preguntas claras y directas con respuestas concretas. Respuestas que los avances de la digitalización en los campos técnicos hacen más rápidas, más fiables y basadas en evidencias reales y comprobables.
La gestión de todo el territorio – desde conservación de la naturaleza a urbanización, desde operaciones forestales hasta el manejo de parques – no puede funcionar sin un conocimiento al detalle de los elementos geográficos. En este caso la geografía es a la gestión territorial lo que los números a las matemáticas: la unidad básica.
La digitalización del sector forestal empieza aquí: desmaterializando, compartiendo y gestionando estos grandes conjuntos de datos (geográficos, principalmente) para poder aplicarlos en situaciones concretas.

Figura 1: Un dron despega para hacer un seguimiento con LIDAR en una parcela forestal. Escuela Forestal Latemar, Carezza/Karerpass, Nova Levante/Welschnofen – Bolzano/Bozen. Foto: Autor. 09.06.2022.
¿Algunos ejemplos?
Representa la herramienta estratégica para conocer el estado de nuestros bosques y definir políticas eficaces en materia forestal, medioambiental, de adaptación al cambio climático y de desarrollo sostenible, así como para supervisar la aplicación de la Estrategia Forestal Nacional y apoyar la programación, planificación y gestión de los bosques y del sector forestal [1].
SINFor es una herramienta compleja y detallada que se actualiza continuamente y que sienta las bases para la digitalización del sector forestal a nivel nacional. Consideremos solamente que, gracias a este sistema, está por fin disponible un mapa completo de los bosques de Italia – exhaustivo, coordinado y actualizado (el último documento comparable disponible era el Mapa Forestal Militar, del año… 1936).
Sistema de Apoyo a la toma de Decisiones (SAD)
Los sistemas de apoyo a la toma de decisiones (SAD) – llamados también Sistemas Expertos – a menudo son plataformas online diseñadas para dar un apoyo a la gestión, planificación y toma de decisiones en sectores complejos, como pueden ser el forestal o el ambiental.
Como resultado, mediante el uso de estas herramientas, profesionales – pero también ciudadanos o administraciones públicas – pueden visualizar y extraer datos a tiempo (casi) real, y por lo tanto tomar decisiones conscientes e informadas. Por ejemplo, cuando hablábamos de la compañía forestal antes: en el pasado, procesar esta información eran días de trabajo con varios estudios sobre el terreno; hoy en día se pueden obtener con un simple SAD bien diseñado.
No estamos hablando de teorías o experimentos, hay algunos SAD que ya están activos y funcionan:
- Pri.For.Man DSS: el Sistema de Apoyo a la toma de Decisiones forestales de la región Friuli Venezia Giulia [2]
- GO-SURF: el Sistema de Apoyo a la toma de Decisiones forestales de la región Toscana [3]
HeProMo es el modelo de productividad de la recogida de madera desarrollado por el Instituto Federal Suizo de Bosques, Nieve y Estudio del Paisaje (WSL).
Con HeProMo es posible calcular de manera fácil y rápida los requerimientos de tiempo, rendimiento y costes de distintas operaciones de recogida de madera [4].
Esta herramienta permite generar un mapa de altura del dosel arbóreo a partir de imágenes a visa de pájaro o de satélites, a resolución media o alta [5].
A pesar de su difícil implementación en ámbitos profesionales debido a su complejo funcionamiento (basado en algoritmos de deep-learning), los resultados que ofrece con asombrosos, con precisión comparable a la tecnología LiDAR en áreas grandes.
REFERENCIAS:
[1] Direzione generale dell’economia montana e delle foreste del Ministero dell’agricoltura, della sovranità alimentare e delle foreste, “Sistema Informativo Forestale Nazionale (SINFor),” CREA, [Online]. Available: https://sinfor.crea.gov.it/#/. [03 08 2025].
[2] Università degli Studi di Udine, “PRI.FOR.MAN DSS 2.0,” Regione Autonoma Friuli Venezia Giulia, [Online]. Available: https://priformandss.it/. [03 08 2025].
[3] Regione Toscana, “GO-SURF. Sistema di Supporto decisionale alla pianificazione Forestale sostenibile,” [Online]. Available: https://go-surf.app/it/#/it. [03 08 2025].
[4] WSL, “HeProMo,” [Online]. Available: https://www.wsl.ch/it/services-produkte/hepromo/. [03 08 2025].
[5] J. Tolan e e. al., “Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on aerial lidar,” Remote Sensing of Environment, vol. 113888, p. 300, 2024.
Imagen de portada: Modelo en 3D de la Malga Campomandriolo – Asiago, Vicenza, Italia. Representados los distintos tipos de pasto, la altura y densidad de los árboles y arbustos, y elementos no vegetales (cuerpos de agua, edificios, rocas). Creado por el Autor. 01.08.2025




















