Bosques y árboles

Árboles y vegetación Modelo predeterminado

Máscara de cobertura de árboles y arbustos en una zona residencial

Resultado de ejemplo: máscara de cobertura de árboles y arbustos.

Costo

8 créditos por km² + imágenes

Ejemplo: 10 km² en Mapbox con zoom 18 ≈ 110 créditos.

Segmenta todas las áreas cubiertas por árboles y arbustos, incluidos el bosque ralo y el matorral. Funciona en la mayoría de los entornos, también en ciudades. Las clases de altura y las copas de árboles individuales son opciones que se activan al iniciar la ejecución.

Qué obtiene

Una capa de polígonos de cobertura de árboles y arbustos.

Funciona mejor con

Imágenes de 0,6–0,15 m (zoom 18–20) tomadas en temporada de crecimiento. Los árboles sin hojas o cubiertos de nieve no se detectan.

Ejemplos de uso

  • Medir la cobertura del dosel por distrito o parcela

  • Comparar dos fechas para encontrar bosque talado

  • Crear un inventario de áreas verdes de una ciudad

Versión

2026-07-03

Dominio geográfico

Global

Método

Segmentación

GSD / zoom

0,6–0,15 m / z18–20

El modelo se entrenó con imágenes de 0,6–0,3 m de distintas regiones y zonas climáticas. Su resolución basta para encontrar pequeños grupos de árboles e hileras estrechas. Use imágenes de la temporada de crecimiento: los árboles sin hojas y la vegetación cubierta de nieve no son la clase objetivo.

Escenarios con este modelo

Cada escenario es el modelo Bosques y árboles con una opción activada. Elija las opciones en el formulario de ejecución de Mapflow Web o del complemento de QGIS.

Máscara de cobertura de árboles y arbustos en una zona residencial
Mapear bosques y cobertura arbórea

Ejecución predeterminada

Toda la cobertura de árboles y arbustos, incluso pequeños grupos e hileras de árboles.

8 cr/km² + imágenes · zoom 18–20

Mapear bosques y cobertura arbórea
Clases de altura de la vegetación dentro de un corredor de línea eléctrica
Altura de la vegetación a lo largo de líneas eléctricas

+ Clases de altura

Vegetación dividida en arbustos, bosque de 4–10 m y bosque de más de 10 m.

18 cr/km² + imágenes · zoom 18–19

Altura de la vegetación a lo largo de líneas eléctricas
Un punto por cada copa de árbol en un campo de golf
Contar árboles individuales

+ Copas de árboles

Un punto por cada copa de árbol, incluidos los árboles aislados.

13 cr/km² + imágenes · zoom 19

Contar árboles individuales

Altura de la vegetación a lo largo de líneas eléctricas

Bosques y árboles + Clases de altura

Clases de altura de la vegetación dentro de un corredor de línea eléctrica

Costo

18 créditos por km² + imágenes

Ejemplo: 10 km² en Mapbox con zoom 18 ≈ 210 créditos.

Ejecuta el modelo de bosques con estimación de altura. La vegetación se clasifica en arbustos de menos de 4 m, bosque de 4 a 10 m y bosque de más de 10 m, que es lo que necesitan los gestores de vegetación cerca de líneas eléctricas.

Qué obtiene

Polígonos de vegetación con una clase de altura.

Funciona mejor con

Imágenes de 0,6–0,3 m (zoom 18–19) tomadas en temporada de crecimiento.

Ejemplos de uso

  • Priorizar los trabajos de desbroce en corredores de líneas eléctricas

  • Planificar el mantenimiento del derecho de vía por clase de altura

  • Revisar la vegetación a lo largo de carreteras y vías férreas

Consejo. Cree un búfer alrededor de su capa de líneas en QGIS (Vectorial › Herramientas de geoproceso › Búfer) y úselo como área, así solo paga por el corredor.

Nota

Clases de altura:

  • arbustos de menos de 4 m;

  • bosque de 4 a 10 m;

  • bosque de más de 10 m.

Las clases apoyan la gestión de la vegetación en corredores de líneas eléctricas y zonas similares; consulte las soluciones profesionales de Geoalert. Los umbrales se pueden personalizar según sus requisitos.

Contar árboles individuales

Bosques y árboles + Copas de árboles

Un punto por cada copa de árbol en un campo de golf

Costo

13 créditos por km² + imágenes

Ejemplo: 10 km² en Mapbox con zoom 19 ≈ 220 créditos.

Extrae copas de árboles del bosque y de árboles aislados, como puntos con radio de copa o como polígonos de copa.

Qué obtiene

Puntos de copa con radio, o polígonos de copa.

Funciona mejor con

Imágenes de 0,3 m (zoom 19) para separar árboles individuales.

Ejemplos de uso

  • Inventarios de arbolado urbano y parques

  • Contar árboles en huertos y plantaciones

  • Seguir la pérdida de árboles en una obra

Importante

Use imágenes de 0,3 m (aproximadamente zoom 19) con las opciones de Copas de árboles cuando necesite árboles individuales.

Todas las opciones

Estimación de altura

Clasifica la máscara de bosque por altura: arbustos de menos de 4 m, bosque de 4–10 m y bosque de más de 10 m.

Polígonos de copas de árboles

Extrae copas de árboles del bosque y de árboles aislados, como polígonos.

Puntos de copas de árboles

Extrae copas de árboles del bosque y de árboles aislados, como puntos con radio de copa.

Resultados de ejemplo

Resultado del modelo de bosques: máscara de bosque continua

Máscara de bosque continua

Resultado del modelo de bosques: copas de árboles como puntos

Copas de árboles, puntos

Resultado del modelo de bosques: bosque con clases de altura

Bosque con alturas (salida ráster)

📊 Benchmarks

Forest and trees v.2026-09-10 (Global, segmentation) was evaluated on 8 areas of interest against manually annotated ground truth. Metrics are area-based: IoU is the intersection-over-union of the predicted and ground-truth vegetation masks, and F1, precision and recall are computed on the overlapping mask area. The v.2026-09-10 update refines tree-crown extraction results.

AOI (ubicación)

Características previstas

pagaré

F1

Precisión

Recordar

Italia — Crotona

254

0.862

0,926

0.944

0.909

España — Madrid

368

0.813

0,897

0.880

0,915

Filipinas — Balanga

220

0.806

0,892

0.864

0.923

España — Velilla de San Antonio

1070

0,784

0,879

0,894

0.864

España — Cuenca

409

0.763

0,865

0,859

0,872

Uzbekistán — Taskent

156

0.730

0,844

0.905

0,791

España — Rusia

249

0,617

0,763

0,699

0.841

Argentina — La Banda

93

0.576

0,731

0,653

0,829

Global (media de 8 AOI)

2819

0.744

0,850

0,837

0,868

Area-based IoU / F1 / Precision / Recall measured against ground-truth vegetation masks; segmentation evaluation run 2026-07-03 (unchanged in v.2026-09-10). Compared with the previous version v.2025-06-14 (mean F1 0.513, IoU 0.396).

Ver también

📊 See per-location segmentation benchmark details (v.2026-09-10) for the area-by-area breakdown, the comparison with the previous version and prediction-vs-ground-truth overlays.

Benchmarks - tree crowns

Latest update — 🌲 Forest and trees v.2026-09-10 (tree crown polygons). The crown-polygon output was evaluated on 7 areas of interest (AOI) against manually annotated ground truth. Metrics are area-based on the crown masks: IoU is the intersection-over-union of the predicted and ground-truth crown masks, and F1 / Precision / Recall are computed on the overlapping mask area.

AOI (ubicación)

Predicted crowns

pagaré

F1

Precisión

Recordar

Italia — Crotona

254

0.842

0.914

0.930

0.898

España — Madrid

398

0.823

0.903

0.907

0.899

Filipinas — Balanga

309

0.780

0.876

0.849

0.904

España — Cuenca

433

0.732

0.846

0.875

0.818

España — Velilla de San Antonio

1134

0.694

0.819

0.855

0.786

España — Rusia

239

0.689

0.816

0.759

0.883

Argentina — La Banda

111

0.624

0.769

0.700

0.852

Global (mean of 7 AOIs)

2878

0.741

0.849

0.839

0.863

Area-based IoU / F1 / Precision / Recall measured on tree-crown polygon masks; evaluation run 2026-10-01. Compared with the previous version v.2026-07-03 (mean F1 0.824, IoU 0.706).

Tree count accuracy. For tree-counting use cases we also track how closely the number of detected crown polygons matches the ground-truth crown count. Relative count error is |detected − ground truth| / ground truth.

AOI (ubicación)

GT crowns

v.2026-09-10 detected (count err)

v.2026-07-03 detected (count err)

Italia — Crotona

327

254 (22.3%)

254 (22.3%)

España — Madrid

478

398 (16.7%)

368 (23.0%)

Filipinas — Balanga

193

309 (60.1%)

220 (14.0%)

España — Cuenca

321

433 (34.9%)

409 (27.4%)

España — Velilla de San Antonio

1212

1134 (6.4%)

1070 (11.7%)

España — Rusia

258

239 (7.4%)

249 (3.5%)

Argentina — La Banda

125

111 (11.2%)

83 (33.6%)

Mean count error (7 AOIs)

22.7%

19.4%

Ground-truth crown counts from the updated report (2026-10-01). v.2026-09-10 is substantially closer to the true count where the previous model under-detected (La Banda, Madrid, Velilla de San Antonio), but it over-segments dense canopy at Balanga and Cuenca — producing more crowns than ground truth — so its mean relative count error (22.7%) is slightly above v.2026-07-03 (19.4%). ⚠️ The false positives may also indicate the lack of details in the manual labels as the mask-overlap accuracy (IoU / F1) still favours v.2026-09-10 in those areas.

Ver también

📊 See per-location tree-crown benchmark details (v.2026-09-10) for the area-by-area breakdown, the comparison with v.2026-07-03 and prediction-vs-ground-truth overlays.

Benchmarks - canopy height (CHM)

The Height estimation output (Canopy Height Model, CHM) is benchmarked against lidar-derived ground truth on 5 m hexagons (max aggregation). The current model CHM v.2026-08-31 reduces the mean absolute height error from 4.70 m to 3.24 m (−31%) versus CHM v.2026-07-03 across 38 areas of interest, with the largest gains in tall, structurally complex forest.

Ver también

📊 See canopy-height (CHM) benchmark details (v.2026-08-31) for the most-improved sample per country, with lidar ground truth and prediction-vs-lidar error maps.

¿Necesita otro tipo de objeto?

Entrenamos modelos personalizados con sus imágenes y clases, y los conectamos a su cuenta de Mapflow.