Tree Scanner y Arboreal, validados en tres nuevos estudios

Tres nuevos trabajos científicos publicados este año destacan el rendimiento de Tree Scanner y Arboreal Forest, las apps para smartphone desarrolladas por Arboreal para que las mediciones forestales sean más rápidas, sencillas y fiables.

Precisión en la medición de trozas

El primer estudio, publicado en Sensors (Elias et al. 2025), probó Tree Scanner durante su fase de prototipo para estimar el volumen de trozas.

• Precisión: concordancia muy alta con los métodos manuales tradicionales (R² > 0.98, RMSE = 0.0668 m³).
• Eficiencia: mediana de 21 segundos por troza frente a 29 segundos de forma manual, una mejora del 38%.
• Consistencia: fiable tanto para un mismo usuario como entre distintos usuarios.
• Integración: se destacó el potencial de Tree Scanner para integrarse con RFID, herramientas Bluetooth, servidores remotos y reconocimiento de especies.

En resumen: Tree Scanner puede sustituir la medición manual de trozas por una solución digital más rápida e igual de precisa.

Inventario forestal con estimaciones de área basimétrica

El segundo artículo, en Ecological Informatics (Morocho Toaza et al. 2025), comparó Tree Scanner con un escáner láser personal (PLS) profesional en 50 parcelas forestales.

• Estimaciones de área basimétrica: prácticamente idénticas a las del escáner profesional (sesgo = 1.95 m²/ha, MAE = 2.29 m²/ha, RMSE = 3.09 m²/ha).
• Eficiencia en tiempo: 11 segundos por árbol frente a 51 segundos por árbol con el PLS, y sin los pasos adicionales de procesamiento de datos que exige el escáner.
• Conclusión: Tree Scanner ofrece una opción de bajo coste, rápida y científicamente precisa para el inventario forestal.

Arboreal Forest frente al inventario tradicional

El tercer trabajo, un trabajo de fin de grado en la Universidad de Lleida (Atcher Soler 2025), comparó Arboreal Forest con el inventario forestal tradicional en rodales de pino silvestre (Pinus sylvestris) de la Vall de Lord, en Cataluña.

• Variables estudiadas: diámetro, altura, área basimétrica y volumen.
• Resultados: Arboreal Forest obtuvo resultados con una precisión comparable a la de los métodos tradicionales, siendo a la vez mucho más rápido y rentable.
• Eficiencia: el estudio mostró que la app reduce tanto el tiempo de campo como el procesamiento en oficina, lo que la hace práctica para inventarios reales.
• Contexto: el trabajo también analizó las ventajas de uso del LiDAR en smartphones, como la menor necesidad de equipos y el almacenamiento automático de datos.

Por qué es importante

El sector forestal avanza hacia herramientas digitales que combinan precisión científica y eficiencia práctica. Estos tres estudios (dos artículos revisados por pares y un trabajo académico) confirman de forma independiente que las apps de Arboreal ofrecen ambas cosas. Ya sea midiendo trozas en el parque de madera o tomando datos de parcelas en el bosque, Arboreal proporciona resultados fiables y ahorra tiempo.

Para nosotros en Arboreal es alentador ver nuestro trabajo validado por investigadores independientes de toda Europa. Tree Scanner y Arboreal Forest se diseñaron para que la toma de datos forestales sea más rápida, sencilla y transparente, y ahora la ciencia lo respalda.

---

Referencias:

• Elias, M., Forkuo, G.O., Picchi, G., Nati, C., & Borz, S.A. (2025). Accuracy of a Novel Smartphone-Based Log Measurement App in the Prototyping Phase. Sensors 25(18): 5847. https://www.mdpi.com/1424-8220/25/18/5847
• Morocho Toaza, J.M., Picchi, G., Nati, C., & Borz, S.A. (2025). Accuracy and time efficiency of a new app developed to source and map single tree data: A comparison to state-of-art LiDAR data collectors in terms of basal area estimates. Ecological Informatics 91: 103417. https://www.sciencedirect.com/science/article/pii/S1574954125004261
• Atcher Soler, A. (2025). Comparació de l'inventari amb LiDAR terrestre mitjançant Arboreal amb l'inventari tradicional en boscos de Pinus sylvestris a la Vall de Lord. Bachelor Thesis, University of Lleida. https://repositori.udl.cat/bitstreams/31b4d657-c6f6-4376-9371-12d407940559/download