Biomass additivity is a desirable characteristic of a system of equations for predicting components and total biomass, since equations independently adjusted generate biologically inconsistent results. The aim of this study was to fit and compare three methods for modelling biomass: (i) total biomass individual regression, (ii) total biomass regression function calculated as the sum of separate biomass components, and (iii) simultaneous equations of biomass components based on Nonlinear Seemingly Unrelated Regression. A total of 208 trees of Eucalyptus dunnii and Eucalyptus grandis were harvested and destructively sampled to record above-ground biomass. Results indicate that a system of equations adjusted by simultaneous equations provides accurate biomass estimations, guaranteeing additivity. This model system showed good fit and good prediction performance, given that the correlation coefficient was higher than 97 % for total above-ground biomass, for both species; whereas root mean square error was 23.9 kg and 30.2 kg for E. grandis and E. dunnii, respectively. A system of biomass equations was developed for each eucalyptus species, such that the sum of the estimations of the biomass components equaled the estimate of above-ground biomass. Results showed that the systems of equations have high potential for improving the accuracy of individual tree above-ground biomass estimates for both species.

Se habilitó un paratrike para la captación de imágenes de alta resolución en formaciones de Abies pinsapo Boiss. Dicha formación se localiza en el P.N. Sierra de Las Nieves, en Parauta (Málaga). Se embarcaron, de forma simultánea, tres sensores, un RGB, un multiespectral y un térmico. Para ello se creó un acople para mantenerlos bien fijos al vehículo durante la ejecución del vuelo. El muestreo de campo fue estratificado y dirigido únicamente a individuos de pinsapos con la finalidad de producir una cartografía de defoliación y mortandad por la asociadas al hongo H. abietinum que provoca podredumbre radical, y al escolítido C. numidicus, que provoca muerte de las partes más altas por anillamiento del fuste. Los productos cartográficos obtenidos por el sensor Sequoia Parrot, fueron de alta calidad. No se puede decir lo mismo de los otros sensores incorporados, cómo es el caso del sensor térmico Gobi 640 GiGe, ya que por las dificultades encontradas durante el vuelo (turbulencias térmicas), no se llevó a cabo exhaustivamente el plan de vuelo predeterminado. La integración de datos LiDAR en este estudio fue necesaria para la detección de pinsapos en la zona sobrevolada. Al encontrarnos en una zona con muy alta biodiversidad, fue muy complicado distinguir entre especies a través de su firma espectral. Es por ello que, la información LiDAR hizo posible la detección de los pinsapos, discriminando todos los individuos que se encontraran por debajo de los 8 metros de altura. El cálculo de numerosos índices de vegetación, permitió caracterizar la masa forestal según su vigorosidad. Tras llevar a cabo un análisis estadístico del grado de separación de los histogramas de las distintas clases de daños, se determinó que el GNDVI es el índice que mayor se ajusta. Tras  la reclasificación a clases de daños se obtuvo un  mapa del estado sanitario del pinsapar. Los resultados obtenidos validaron la metodología seguida y permitieron clasificar el estado sanitario en el que se encuentra el pinsapar de la zona de estudio, tratándose de una formación de alto valor ecológico con un 28.88% de afectación por pagas y enfermedades.