Resumen de Combining spectral mixture analysis and object-based classification for fire severity mapping

Óscar Fernández Manso, Alfonso Fernández Manso, Carmen Quintano Pastor

• español

  Este estudio presenta una metodología rápida y precisa para la evaluación de los niveles de severidad que afectan a grandes incendios forestales. El trabajo combina un modelo de mezclas espectrales y un análisis de imágenes basado en objetos con el objetivo de cartografiar distintos niveles de severidad (alto, moderado y bajo) empleando una imagen multiespectral Landsat Enhanced Thematic Mapper. Este modelo fue testado en un gran incendio forestal ocurrido en el noroeste de España. Las imágenes fracción obtenidas tras aplicar el modelo de mezclas a la imagen Landsat fueron utilizadas como datos de entrada en el análisis basado en objetos. En este se llevó a cabo una segmentación multinivel y una posterior clasificación usando funciones de pertenencia. Esta metodología fue comparada con otras más simples con el fin de evaluar su conveniencia a la hora de distinguir entre los tres niveles de severidad anteriormente mencionados. El test de McNemar fue empleado para evaluar la significancia estadística de la diferencia entre los métodos testados en el estudio.

  El método combinado alcanzó la más alta precisión con un 97,32% y un índice Kappa del 95,96%, además de mejorar la precisión de los niveles individualmente.

• English

  This study shows an accurate and fast methodology in order to evaluate fire severity classes of large forest fires. A single Landsat Enhanced Thematic Mapper multispectral image was utilized with the aim of mapping fire severity classes (high, moderate and low) using a combined-approach based in a spectral mixing model and object-based image analysis.

  A large wildfire in the Northwest of Spain was used to test the model. Fraction images obtained by Landsat unmixing were used as input data in the object-based image analysis. A multilevel segmentation and a classification were carried out by using membership functions. This method was compared with other simpler in order to evaluate the suitability to distinguish between the three fire severity classes above mentioned. McNemar�s test was used to evaluate the statistical significance of the difference between approaches tested in this study. The combined approach achieved the highest accuracy reaching 97.32% and kappa index of agreement of 95.96% and improving accuracy of individual classes.