Resumen de Clasificación supervisada, evaluación multicriterio y modelos de localización-asignación para instalaciones de destilación de aceite esencial de Cistus ladanifer

Carlos Pérez Izquierdo, Fernando J. Pulido

• español

  Cistus ladanifer L. (jara) es una especie arbustiva muy extendida en la región mediterránea y de gran interés para la industria cosmética, farmacológica y agroalimentaria. A pesar de su valor, este recurso se encuentra infrautilizado y presenta una gran variabilidad espacial y condiciones de extracción heterogéneas. El objetivo de este estudio es desarrollar una metodología de localización de zonas óptimas para la instalación de plantas de destilación de aceites esenciales de C. ladanifer que permitan su extracción de la manera más eficiente y rentable posible. Se han empleado técnicas de teledetección basadas en clasificaciones supervisadas de píxeles y objetos para determinar la distribución y superficie de este recurso. La clasificación se llevó a cabo con imágenes Sentinel-2 de 2018, modelos digitales de elevaciones y los siguientes seis algoritmos de clasificación: mínima distancia, distancia de Mahalanobis, máxima probabilidad, Spectral Angle Mapper, máquinas de vector soporte y redes neuronales. El uso de herramientas SIG como el análisis de evaluación multicriterio y los modelos de localización-asignación nos permitieron obtener y conectar los puntos de oferta de mayor aptitud de recurso y los emplazamientos idóneos de demanda de las instalaciones. Los clasificadores Máxima Probabilidad, máquinas de vector soporte y redes neuronales lograron precisiones de clasificación superiores al 90 % en fiabilidad global y coeficiente Kappa. La superficie total de jaras potencialmente explotable obtenida en la clasificación fue de 20 889 ha, de las cuales 15 241 ha (72,96 %) eran viables para la recolección. La instalación de dos plantas de destilación mostraba una distribución de cobertura espacial eficaz de aprovechamiento de este recurso en el área de estudio. La metodología se considera una herramienta valiosa para determinar de forma eficiente y sostenible la ubicación óptima de plantas de destilación.

• English

  Cistus ladanifer L. (rockrose) is a shrub species widespread in the Mediterranean region and highly valuable for the cosmetic, pharmacological and agri-food industries. Despite its value, this resource remains under-exploited and presents great spatial variability and heterogeneous extraction conditions. This study aims to develop a methodology to locate optimal areas for the installation of C. ladanifer essential oil distillation plants that will allow its extraction in an efficient and profitable way. Remote sensing techniques based on supervised classifications of pixels and objects have been applied to determine the distribution and surface of this resource. The classification was conducted using 2018 Sentinel-2 imagery, digital elevation models and the following six classification algorithms: minimum distance, Mahalanobis distance, maximum likelihood, Spectral Angle Mapper, support vector machines and neural networks. GIS tools such as multi-criteria evaluation analysis and location- allocation models allowed us to obtain and connect the supply points with the highest resource suitability and the ideal demand sites for the facilities. Maximum likelihood, support vector machines and neural networks classifiers achieved classification accuracies above 90 % in overall accuracy and Kappa coefficient. The total area of potentially exploitable rockrose obtained in the classification was 20 889 ha, from which 15 241 ha (72.96 %) were viable for harvesting. The installation of two distillation plants showed an efficient spatial coverage distribution to exploit this resource in the study area. The methodology is considered a valuable tool to efficiently and sustainably determine the optimal location of distillation plants.