México
Estados Unidos
Aunque el comportamiento de los incendios forestales puede ser simulado a través de los sistemas que actualmente existen, la mayoría de ellos requieren de mapas confiables de los modelos de combustibles. Sin embargo, el estudio de la distribución espacial de combustibles ha representado uno de los retos más complicados que han enfrentado los científicos en el campo de los incendios forestales. Por ello, este artículo presenta uno de los primeros intentos para clasificar una región forestal en clases de modelos de combustibles, a través del uso de estrategias de geomática (SIG, sensores remotos, GPS y geostadística). Para este fin en 1998 se llevó a cabo un inventario de combustibles en Chihuahua, México, donde se realizó un muestreo al azar de 554 sitios, en un área de 1400 ha. Se usó el Factor de Proporción de Combustibles para clasificar cada sitio en la muestra dentro del modelo de combustible correspondiente. Se uso interpolación estocástica (o krigiage [Olea, 1991]) ordinaria para interpolar los valores de modelos de combustibles en áreas no muestreadas. El mapa generado se usó para apoyar las clasificaciones supervisada, no supervisada y mixta de una imagen Landsat TM5. La evaluación de precisión correspondiente a estas clasificaciones resultó en una precisión de 74.9% para la clasificación mezclada.
Although forest fire behavior can be simulated through the use of many of the systems that currently exist, most of them require reliable fuel model maps. However, the study of the spatial distribution of fuels is one of the more complicated challenges facing forest fire scientists. Therefore, this paper presents one of the first attempts to classify a forest region into fuel model classes, through the use of geomatic estrategies (GIS, remote sensing, GPS, and geostatistics). To that end, a fuel survey was carried out in 1998 in Chihuahua, México. A total of 554 plots, randomly distributed, were sampled in a 1400 ha area. Using the Fuels Proportional Factor, each sample plot was classified into its corresponding fuel model. Ordinary kriging (Olea, 1991) was used to interpolate fuel model values in unsampled areas. The resulting layer was used to support supervised, unsupervised and mixed classifications of a Landsat TM5 image. The corresponding accuracy assessment of those classifications resulted in 74.9% of accuracy for the mixed classification
© 2001-2024 Fundación Dialnet · Todos los derechos reservados