David Martín-Molina
Research Interests
David Martín-Molina has a total of 2 co-authors. Here are the top co-authors by number of shared publications:
- Silvia Merino-De-Miguel
Departamento de Ingeniería y Gestión Forestal y Ambiental, ETSIMFMN—Escuela Técnica Superior de Ingeniería de Montes, Forestal y del Medio Natural, Universidad Politécnica de Madrid, 28040 Madrid, Spain
1 shared publication - Tomás Pugni Stanek
Departamento de Ingeniería Agroforestal, Escuela Técnica Superior de Ingeniería Agronómica, Alimentaria y de Biosistemas (ETSIAAB), Universidad Politécnica de Madrid, Av. Puerta de Hierro 2–4, Ciudad Universitaria, 28040 Madrid, Spain
1 shared publication
Latest Publications
- Open Access
- 18 March 2026
- Published by Universidad de Extremadura - Servicio de Publicaciones in Congresos UEX, actas de congresos
- No. 2
Aplicación de la teledetección y los modelos de aprendizaje automático para la detección y seguimiento de daños causados por la banda marrón (Lecanosticta acicola) en masas de Pinus radiata en Euskadi
Ante los daños persistentes sobre Pinus radiata ocasionados por la enfermedad de la banda marrón en Euskadi, la teledetección se presenta como una herramienta fundamental. Este trabajo explora la capacidad de los modelos de aprendizaje automático basados en datos Sentinel-2 para su monitorización. Se desarrolló un modelo Random Forest de clasificación para detectar los daños ocasionados según cuatro niveles de defoliación observada. La muestra de píxeles verdad-terreno se clasificó sobre ortofotografías de 25cm, calculándose como predictores un conjunto de índices de vegetación, así como variables topográficas. El modelo resultante quedó definido por tres índices, suficientes para un rendimiento del modelo estable con una precisión del 70%. Destacó su capacidad de identificar correctamente las clases extremas, sano y grave, en contraposición con la confusión en las clases intermedias, leve y moderado. Estos resultados son coherentes con la defoliación progresiva de los árboles afectados, lo que se traduce en un solape espectral entre los niveles de defoliación. Sin embargo, se ven penalizados por la decisión de definir una primera clase (sano) restrictiva, donde sólo se incluyeron píxeles sin afección. Estos resultados apuntan al potencial de los materiales y métodos empleados para aplicaciones futuras al seguimiento del estado de salud del pino.
- 18 March 2026
- Published by Universidad de Extremadura - Servicio de Publicaciones in Congresos UEX, actas de congresos
- No. 2
Open AccessAplicación de la teledetección y los modelos de aprendizaje automático para la detección y seguimiento de daños causados por la banda marrón (Lecanosticta acicola) en masas de Pinus radiata en Euskadi
Ante los daños persistentes sobre Pinus radiata ocasionados por la enfermedad de la banda marrón en Euskadi, la teledetección se presenta como una herramienta fundamental. Este trabajo explora la capacidad de los modelos de aprendizaje automático basados en datos Sentinel-2 para su monitorización. Se desarrolló un modelo Random Forest de clasificación para detectar los daños ocasionados según cuatro niveles de defoliación observada. La muestra de píxeles verdad-terreno se clasificó sobre ortofotografías de 25cm, calculándose como predictores un conjunto de índices de vegetación, así como variables topográficas. El modelo resultante quedó definido por tres índices, suficientes para un rendimiento del modelo estable con una precisión del 70%. Destacó su capacidad de identificar correctamente las clases extremas, sano y grave, en contraposición con la confusión en las clases intermedias, leve y moderado. Estos resultados son coherentes con la defoliación progresiva de los árboles afectados, lo que se traduce en un solape espectral entre los niveles de defoliación. Sin embargo, se ven penalizados por la decisión de definir una primera clase (sano) restrictiva, donde sólo se incluyeron píxeles sin afección. Estos resultados apuntan al potencial de los materiales y métodos empleados para aplicaciones futuras al seguimiento del estado de salud del pino.