Distribución espacio-temporal de Eichhornia crassipes (Mart.) Solms a través de teledetección en laguna La Turbina, Cuba

Abstract

La detección temprana de especies de plantas exóticas invasoras es fundamental para la formulación de estrategias de gestión y mitigación. Se propone evaluar la distribución espacio-temporal de Eichhornia crassipes (Mart.) Solms, en laguna La Turbina, empleando imágenes satelitales Sentinel-2 (periodo 2021-2023). Las bandas espectrales de las regiones del visible, borde rojo, infrarrojo cercano e infrarrojo de onda corta, se emplearon como datos de entrada de tres algoritmos de aprendizaje automático durante el proceso de clasificación. Se analizó la relación de la cobertura de la planta con la temperatura del aire y las precipitaciones. El modelo donde se combinan las bandas espectrales y los índices espectrales seleccionados, mediante el método de eliminación recursiva Random Forest, fue el más eficiente en la detección de E. crassipes. Los meses de menor cobertura de E. crassipes fueron diciembre 2022, enero y marzo 2023, debido a las acciones de limpieza mecanizada. E. crassipes se concentró en el Noreste y Suroeste de la laguna, como macrófita emergente. La dirección del viento y la intervención humana, determinaron la distribución espacio-temporal de la planta. Se recomienda realizar confinamientos de E. crassipes, en su condición de macrófita flotante, en las zonas más profundas de La Turbina.

The early detection of invasive exotic plant species is essential for planning management and mitigation strategies. The primary objective of this study is to evaluate the spatio-temporal distribution of Eichhornia crassipes (Mart.) Solms, in La Turbina lagoon, using Sentinel-2 satellite images (period 2021-2023). The spectral bands of the visible, red edge, near infrared and shortwave infrared regions were used as input data in three machine learning algorithms during the classification process. The relationship between plant coverage and air temperature and precipitation have been analyzed. The model combining spectral bands and the selected spectral indices using the Random Forest recursive elimination method was the most efficient in the detection of E. crassipes. The months with the least coverage of E. crassipes were December 2022, January and March 2023, due to mechanized cleaning actions. E. crassipes is concentrated in the Northeast and Southwest of the lagoon, as an emerging macrophyte. The direction of the wind and human intervention has determined the spatio-temporal distribution of this plant. Based on these results, it is recommended to confine E. crassipes, in its condition as a floating macrophyte, to the deepest areas of La Turbina.