Los investigadores de KTU están proponiendo un modelo innovador de regeneración forestal y un sistema de análisis de sonido que puede predecir las condiciones del bosque y detectar cambios ambientales en tiempo real.
por la Universidad Tecnológica de Kaunas
«Los bosques son uno de los ecosistemas más importantes de la naturaleza y están en constante evolución, aunque su seguimiento suele retrasarse», afirma Rytis Maskeliūnas, profesor de la Universidad Tecnológica de Kaunas (KTU). El cambio climático, las plagas y la actividad humana están transformando los bosques a un ritmo más rápido del que podemos seguirlos; algunos cambios solo se hacen evidentes cuando el daño ya es irreversible.
Hoy en día, la gestión forestal se ve cada vez más amenazada por los cambios medioambientales que se han intensificado en los últimos años. «Los bosques, especialmente en regiones como Lituania, son muy sensibles al aumento de las temperaturas invernales. Una combinación de factores está provocando el debilitamiento de los árboles, haciéndolos más vulnerables a las plagas», afirma Maskeliūnas.
Según el científico, los métodos de control tradicionales, como las inspecciones visuales de los forestales o el control con trampas, ya no son suficientes. «Nunca tendremos suficiente personal para observar continuamente lo que ocurre en los bosques», explica.
Para mejorar la protección de los bosques, los investigadores de la KTU han empleado inteligencia artificial (IA) y análisis de datos. Estas tecnologías permiten no solo el seguimiento de los bosques en tiempo real, sino también el análisis predictivo, lo que permite una intervención temprana en respuesta a los cambios ambientales.
Los abetos se ven especialmente afectados por el cambio climático
Una solución clave es el modelo de dinámica de regeneración forestal , que predice cómo crecerán y cambiarán los bosques con el tiempo. El modelo rastrea los grupos de edad de los árboles y calcula las probabilidades de transición de los árboles de un grupo de edad a otro analizando las tasas de crecimiento y mortalidad. Los detalles de este modelo se publican en la revista Forests .
El director del Centro de computación en tiempo real (RLKSC) y experto en análisis de datos , Prof. Robertas Damaševičius, destaca las principales ventajas del modelo: puede identificar qué especies de árboles se adaptan mejor a diferentes entornos y dónde deberían plantarse.
«Puede ayudar a planificar la reforestación de bosques mixtos para mejorar la resiliencia frente al cambio climático, así como predecir dónde y cuándo ciertas especies podrían volverse más vulnerables a las plagas, lo que permite adoptar medidas preventivas. Esta herramienta respalda la conservación forestal , el mantenimiento de la biodiversidad y los servicios ecosistémicos al optimizar la asignación de fondos y la compensación para los propietarios de bosques», afirma Maskeliūnas.
El modelo se basa en métodos estadísticos avanzados. El modelo de cadena de Markov calcula cómo un bosque pasa de un estado a otro, en función de las condiciones actuales y de las tasas probabilísticas de crecimiento y mortalidad.
«Esto nos permite predecir cuántos árboles jóvenes sobrevivirán o morirán debido a enfermedades o plagas, lo que ayuda a tomar decisiones de gestión forestal más informadas», explica el profesor de la Facultad de Informática de KTU.
Además, una descomposición de series temporales multidireccionales permite distinguir las tendencias a largo plazo en el crecimiento forestal de los cambios estacionales o factores ambientales inesperados, como sequías o plagas. La combinación de estos métodos proporciona una visión más completa de los ecosistemas forestales, lo que permite realizar pronósticos más precisos en diferentes condiciones ambientales.
El modelo también se ha aplicado para evaluar la situación de los bosques de Lituania, revelando que los árboles de abeto se ven particularmente afectados por el cambio climático, volviéndose cada vez más vulnerables debido a los períodos secos más prolongados en verano y a los inviernos más cálidos.
«Aunque los abetos crecen rápidamente en los bosques jóvenes, en etapas posteriores de su vida presentan una mayor tasa de mortalidad, lo que está relacionado con una menor resistencia al estrés ambiental», afirma Maskeliūnas.
Los sonidos del bosque revelan la salud del ecosistema
Otra herramienta desarrollada por los investigadores es un sistema de análisis de sonido que puede identificar sonidos naturales del bosque y detectar anomalías que puedan indicar perturbaciones del ecosistema o actividad humana. Este trabajo ha sido publicado en IEEE Access .
El análisis del sonido se está convirtiendo en una parte importante de la digitalización forestal, permitiendo el monitoreo ambiental en tiempo real y una respuesta más rápida a amenazas potenciales.
El modelo, propuesto por el estudiante de doctorado de KTU RLKSC Ahmad Qurthobi, es innovador al combinar una red neuronal convolucional (CNN) con un modelo de memoria a largo plazo bidireccional (BiLSTM).
«CNN reconoce y proporciona características que describen el sonido, pero no es suficiente para entender cómo cambian los sonidos con el tiempo. Por eso utilizamos BiLSTM, que analiza secuencias temporales», explica Maskeliūnas.
Este modelo híbrido no sólo detecta con precisión sonidos estáticos, como el canto constante de los pájaros, sino que también identifica cambios dinámicos, como ruidos repentinos de deforestación o cambios en la intensidad del viento.
«Por ejemplo, los cantos de las aves ayudan a monitorear su actividad, la diversidad de especies y los cambios estacionales en la migración. Una disminución repentina o un aumento significativo en los sonidos de las aves puede indicar problemas ecológicos», dice Maskeliūnas.
Incluso los sonidos generados por los árboles, como los causados por el viento, el movimiento de las hojas o las ramas que se rompen, pueden indicar la fuerza del viento o cambios estructurales en los árboles debido a la sequía u otros factores estresantes.
Los investigadores coinciden en que el modelo también podría adaptarse para monitorizar otros cambios ambientales: «Nuestro modelo podría detectar sonidos de animales como aullidos de lobos, llamadas de apareamiento de ciervos o actividad de jabalíes, lo que ayudaría a monitorear sus patrones de movimiento y comportamiento. En áreas urbanas , podría usarse para rastrear la contaminación acústica o su intensidad».
La solución en sí no es solo una innovación sobre el papel. El sistema de análisis de sonido se integra fácilmente en el Internet de las cosas (IoT) de los bosques inteligentes desarrollado por la KTU: Forest 4.0.
«Los dispositivos IoT Forest 4.0 son como guardianes silenciosos de los ecosistemas del mañana, analizando el latido de nuestros bosques en tiempo real y fomentando un mundo donde la tecnología escucha a la naturaleza», explica el experto en IoT de la KTU, el profesor Egidijus Kazanavičius.
En la actualidad, algunos de los modelos que utilizan los forestales tienden a simplificar en exceso dinámicas ecológicas complejas y no tienen en cuenta la competencia entre especies, los ciclos de retroalimentación ambiental y la variabilidad climática. Como resultado, predecir con precisión cómo responderán los bosques a diferentes factores sigue siendo un desafío.
«Por eso, estas tecnologías avanzadas representan el futuro de la gestión forestal», concluye el profesor Maskeliūnas.
Más información: Robertas Damaševičius et al, Modelado de la dinámica de la regeneración forestal: estimación de las tasas de regeneración, crecimiento y mortalidad en los bosques de Lituania, Bosques (2025). DOI: 10.3390/f16020192
Ahmad Qurthobi et al., Clasificación robusta de sonidos forestales utilizando MFCC optimizado por Pareto-Mordukhovich en monitoreo ambiental, IEEE Access (2025). DOI: 10.1109/ACCESS.2025.3535796
