Resumen de Cartografía automática de área quemada a nivel local-regional mediante algoritmos de contexto espacial
- español
La presente tesis doctoral se centra en el desarrollo de una metodología automática para la cartografía de áreas quemadas en regiones mediterráneas aplicable a diversas escalas de trabajo mediante el uso de imágenes habituales en la cartografía de áreas quemadas, como TM/ETM+ (media resolución espacial) y MODIS (baja resolución espacial). La metodología propuesta se basa en los denominados algoritmos multi-fase, en la cual la cartografía se obtiene en dos etapas, superando así la problemática de los procesos en un único paso, derivada de la variabilidad que puede mostrar la señal quemada como consecuencia del tipo de incendio que las originó (intensidad del fuego, velocidad de propagación), de las características de la vegetación previas al fuego (biomasa, continuidad horizontal y vertical) y del tiempo transcurrido entre el incendio y la adquisición de la imagen. En la primera fase se identifican las áreas con alta probabilidad de estar quemadas (semillas), intentando minimizar los errores de comisión. En la segunda, a partir de las semillas identificadas, se aplican criterios contextuales menos severos que completan los perímetros disminuyendo los errores de omisión.
La primera fase de estos algoritmos ha mostrado ser mucho más importante que la segunda, pues los incendios no identificados no pueden ser cartografiados; a su vez, los falsos incendios pueden provocar perímetros erróneos dependiendo de los criterios de similitud empleados en la segunda fase. Las reglas para abordar la primera fase se han obtenido desarrollando árboles de clasificación, y han denotado la importancia de disponer de dos bandas en el SWIR para la identificación automática precisa de las áreas quemadas. Las reglas propuestas en imágenes TM/ETM+ para identificar las áreas quemadas se han basado en los índices BAIM y MIRBI post-incendio, sin que sea necesario introducir datos previos al incendio para identificarlas. En los datos MODIS, sin embargo, la componente temporal ha sido crítica y las reglas seleccionadas se han basado fundamentalmente en la alteración temporal del cambio producido por el fuego en las variables BAIM, NBR y MIRBI, en ventanas de 3, 5 y 7 semanas, respectivamente.
La variable que se emplea por los algoritmos de crecimiento de regiones procede de la probabilidad predicha por un modelo de regresión logística multitemporal, que ha mostrado una alta separabilidad estadística entre la categoría quemado y no quemado tanto en imágenes TM/ETM+ como MODIS. Esta alta separabilidad ha propiciado que los diversos algoritmos contextuales ensayados proporcionen resultados similares, aunque finalmente se ha optado por el algoritmo denominado Fijo+bordes, que ha obtenido el mejor acuerdo con los datos de referencia, y a su vez, ha demostrado una alta eficiencia computacional que permite su implementación operativa en un sistema de cartografía de áreas quemadas. Este algoritmo toma en cuenta la variabilidad local entre las áreas no quemadas y quemadas a partir del detector de bordes Sobel, que se utiliza, de forma sinérgica a un valor estático de probabilidad, para detener el crecimiento de regiones que comienzan en las semillas de la primera fase.
Los detectores de bordes muestran ser muy interesantes pues evitan el crecimiento de áreas quemadas de años anteriores o áreas no quemadas que presentan un alto valor de probabilidad, debido a que su heterogeneidad espacial propicia un mayor número de bordes. No obstante, omite las áreas quemadas fragmentadas, pues los bordes dificulten el crecimiento de regiones impidiendo llegar al perímetro del incendio. Es por ello que este algoritmo es más eficiente en la medida en que las áreas son más compactas y espectralmente más homogéneas.
Los resultados del algoritmo desarrollado han mostrado una elevado acuerdo en 18 áreas de estudio en el ámbito mediterráneo con imágenes TM/ETM+ en comparación con datos de referencia; en cuanto a los datos MODIS, el algoritmo se ha evaluado en tres regiones mediterráneas, alcanzando una alta concordancia con los datos de referencia extraídos a partir de imágenes de mayor resolución espacial. El algoritmos propuesto ha mostrado ser más eficaz que el producto global de la serie de productos MCD45A1 versión 5.
- English
The core of the present doctoral thesis is the development of a methodology to map burned land-areas in the Mediterranean region automatically. It is applicable upon common images used for mapping burned areas, at various scales, like TM/ETM+ (medium space resolution) and MODIS (low space resolution). The methodology proposed is based upon the so-called multi-phase algorithms, where mapping proceeds through two stages. Two-stage algorithms allow overcoming problems related to single-stage procedures: the variability shown by the burned signal depending on the fire that caused them (i.e. fire intensity, propagation speed, etc.), the type and state of the vegetation previous to the occurrence of the fire (i.e. biomass, horizontal and vertical continuity), and the time elapsed between the fire and the acquisition of the image. In the first stage the identification of the areas presenting the highest probability of being burned (called seeds) is carried out while trying to minimize commission errors. In the second stage, and commencing from the seeds identified in the previous stage, less strict contextual criteria allow defining the perimeters of the burnt regions while trying to reduce the omission errors.
The first stage of the proposed algorithm has proved to be much more important than the second one due to the fact that non-identified real fires cannot be mapped. Also, the inclusion of false fires can lead to defining erroneous perimeters depending on the similarity criteria used in the second stage. The rules applied in the first stage were the result of classification trees that highlighted the relevance of having two bands in the SWIR to obtain an automatic precise identification of burned areas. The rules proposed to identify the burned areas on TM/ETM+images rested upon two post-fire indices: Burned Area Index (BAIM) and Mid Infrared Burned Index (MIRBI). Inclusion of data containing information previous to the fire has not been necessary. When using MODIS data, however, the temporal component has shown to be critical and the chosen rules were mainly based on the changes in time caused by the fire in the variables BAIM, Normalized Burned Ratio (NBR) and MIRBI, where temporal windows of 3, 5 and 7 week, respectively, have been applied.
The variable used by the region-growing algorithm was derived from the probability values returned by a multi-temporal logistic regression model. This model has shown to be highly capable to statistically distinguish ‘burned’ and ‘not-burned’ category on TM/ETM+ and MODIS images. It is this capability of clear distinction the reason why different tested contextual algorithms provide similar results. Finally, the algorithm called Fijo+bordes has been chosen as the most appropriate: it presents the best agreement with the reference data and it has demonstrated a highly computational efficiency that eases its implementation within a burnedscar cartography system. The chosen algorithm takes into account the local variability between burned and not-burned areas previously defined by the Sobel edge detector. In addition to this criteria the algorithm uses a fixed probability threshold value to stop the region growing process started from the seeds set in the first stage. Edge detectors are helpful tools due to their spatial heterogeneity results on a bigger number of edges: they avoid growing of areas burnt on previous years or areas that present a high probability value even though they have not been burned. Nonetheless, edge detectors omit fragmented burnt areas: the borders make the growing of the seeds to reach the perimeter of the area more difficult. This is the reason why the algorithm is more efficient when the burnt-areas are more compact and spectrally more homogeneous.
The results of the developed automatic algorithm have shown, for the 18 study areas assessed with TM/ETM+ images a very good agreement with the reference data generated with those same images. For the case of MODIS data the algorithm has been assessed in three Mediterranean regions and the agreement with reference data --released by the European Forest Fire Information System (EFFIS) and other official institutions (case of Portugal)-- is very good. The proposed algorithm has proved to be more efficient than the version 5 MODIS Burned Area Monthly L3 Global 500m (MCD45A1) product.
