Methodology for burned areas and fire severity assessment using remote sensing
- Autores: Rafael Llorens Company
- Directores de la Tesis: José Antonio Sobrino Rodriguez (dir. tes.)
- Lectura: En la Universitat de València ( España ) en 2024
- Idioma: inglés
- Número de páginas: 191
- Tribunal Calificador de la Tesis: Juan Carlos Jiménez-Muñoz (presid.), Luis Ángel Ruiz Fernández (secret.), Cristina Fernández Filgueira (voc.)
- Programa de doctorado: Programa de Doctorado en Teledetección por la Universitat de València (Estudi General)
- Calificación: Sobresaliente Cum Laude
- Materias:
- Enlaces
- Tesis en acceso abierto en: TESEO
- Resumen
INTRODUCCIÓN El término "incendio forestal" se refiere a fuegos no controlados en áreas con vegetación, causando extensos daños a la fauna, flora, suelo, paisaje y la atmósfera. Los incendios forestales liberan carbono a la atmósfera, contribuyendo al cambio climático. Pueden ser naturales o antropogénicos, siendo más comunes las causas antropogénicas. Sin embargo, también hay beneficios asociados a la ocurrencia de incendios forestales. Durante millones de años, han contribuido a la diversidad de todos los ecosistemas, reduciendo la presencia de plagas y especies invasoras y aportando nutrientes a la vegetación posterior al incendio.
La teledetección, la observación de la superficie terrestre desde la distancia, desempeña un papel crucial en el monitoreo de los incendios forestales. Permite la detección confiable y rápida de áreas quemadas y la gravedad del fuego, contribuyendo a una gestión eficiente. Muchos autores han llevado a cabo diferentes estudios sobre incendios forestales utilizando la teledetección en función de la fase temporal del incendio (condiciones previas, durante y posteriores al incendio). Esta tesis se basa principalmente en la fase posterior al incendio (evaluación de la superficie quemada y de la gravedad del incendio), pero la información sobre los puntos calientes (durante el incendio) también es necesaria para conocer la posición exacta (latitud y longitud) y las fechas de ignición/extinción de los incendios forestales. Diversos sensores son utilizados, incluidos los instalados en satélites como Sentinel-2 y Landsat-8, para evaluar áreas quemadas y niveles de severidad. Además, el LiDAR (un sensor activo) proporciona información detallada sobre la estructura vertical de la vegetación después de un incendio.
El proyecto EPyRIS, llevado a cabo entre 2018 y 2021, tuvo como objetivo desarrollar procedimientos y herramientas para minimizar los riesgos asociados con deslizamientos de tierra, pérdida de suelo y daños tras grandes incendios forestales. El grupo de investigación Unidad de Cambio Global (UCG) de la Universitat de València, dentro del Laboratorio de Procesamiento de Imágenes, contribuyó al proyecto creando metodologías para el diagnóstico temprano de la gravedad del fuego, optimizando el muestreo en campo mediante teledetección y evaluando el impacto del fuego en el suelo.
Como objetivo, esta tesis se centra en crear y validar una metodología para evaluar áreas quemadas y la severidad del fuego utilizando teledetección. Incluye tareas como evaluar niveles de severidad en el suelo, explorar la relación entre la severidad del fuego y los índices espectrales, establecer relaciones entre la severidad del fuego en el suelo y algunas de sus propiedades (infiltración acumulada, diámetro medio en peso y contenido de carbono orgánico del suelo) y combinar teledetección con datos LiDAR para analizar métricas de la estructura vertical en matorrales después de un incendio. El trabajo representa un avance significativo en el estudio de incendios forestales utilizando imágenes de resolución espacial media y alta, y contribuye a la comprensión de la comunidad científica sobre el impacto de la severidad del fuego en el suelo mediante teledetección y mediciones radiométricas.
CAPÍTULO 1 - ANTECEDENTES TÉCNICOS El impacto de los incendios forestales en la vegetación está influenciado por factores como el tipo de fuego, la superficie vegetal y el momento de extinción. Las áreas quemadas y la severidad del fuego afectan significativamente los valores de reflectancia y temperatura, lo que hace necesario un análisis exhaustivo pos-incendio para interpretar los cambios físicos en todo el espectro electromagnético. Se describió brevemente un resumen de los cambios espectrales inducidos por los incendios forestales en diferentes dominios espectrales.
En el dominio solar (0.4 a 2.5 -m), la radiación solar reflejada detectada por la teledetección depende de varios factores, como las propiedades de la superficie terrestre, las características químicas y físicas, y los ángulos de observación. La vegetación exhibe un comportamiento espectral distintivo en las bandas visible, de infrarrojo cercano (NIR) e infrarrojo de onda corta (SWIR), con cambios pos-incendio que incluyen una reducción de la reflectancia en el NIR y un aumento de la reflectancia en el SWIR debido a los efectos de la quema en las hojas. El comportamiento espectral del suelo desnudo está influenciado por la composición mineral, el contenido de humedad, la materia orgánica y los óxidos de hierro, con cambios pos-incendio que incluyen una disminución de la humedad del suelo y un aumento de la reflectancia en la región del SWIR. Comprender estos cambios espectrales es crucial para aplicaciones como prever la erosión del suelo y modelar el rebrote de la vegetación pos-incendio. Los cuerpos de agua, aunque no se ven afectados directamente por los incendios forestales como la vegetación o el suelo, experimentan cambios espectrales influenciados por propiedades inherentes como la materia suspendida, el contenido orgánico y la composición mineral.
Las regiones del infrarrojo medio (MIR) y el infrarrojo térmico (TIR) son partes críticas del espectro electromagnético, vitales para diversas aplicaciones de teledetección. Abarcan longitudes de onda de aproximadamente 2.5 a 14 µm y captan la radiación emitida por la Tierra, especialmente importante para detectar incendios forestales. La región MIR (2.5-8 µm) revela detalles sobre las copas de los árboles, los tipos de combustible y los productos de la combustión, mientras que la región TIR (8-14 µm) detecta los cambios de temperatura relacionados con los incendios, ayudando a su detección y cartografía. Las características de emisión y absorción enestas regiones permiten la identificación activa de incendios y la evaluación de su propagación.
Centrándose en el dominio solar, los índices espectrales son algoritmos que utilizan los valores de reflectancia de distintas partes del espectro electromagnético para obtener información significativa sobre las superficies observadas. Se calculan a partir de los valores de reflectancia de las bandas espectrales, a menudo mediante operaciones matemáticas sencillas como la suma, la resta o el cociente. Los índices espectrales sirven como potentes herramientas para la extracción, el análisis y la clasificación de características, ya que ofrecen información que no resulta evidente a partir de las bandas espectrales individuales. En el Capítulo 1, Sección 1.2 se describe una lista de varios índices espectrales utilizados habitualmente en los incendios forestales. La lista se divide teniendo en cuenta parámetros como el agua, la vegetación, el suelo y el fuego. Además, los índices espectrales que se presentan a continuación también pueden expresarse como diferencias temporales restando el índice espectral anterior al incendio del índice posterior al incendio. Este procedimiento se utiliza ampliamente en estudios de detección de cambios que ayudan a identificar cambios significativos en el paisaje, especialmente después de sucesos como los incendios forestales.
Como complemento de los índices espectrales, el LiDAR (Light Detection And Ranging) desempeña un papel valioso. El LiDAR es un sensor activo que opera en el rango de 1000 a 1500 nm. Emite pulsos láser hacia un objetivo, mide el tiempo que tarda el pulso en regresar y determina con precisión la distancia en función de la velocidad de la luz. Este proceso crea una nube densa de puntos de mediciones de distancia, proporcionando datos precisos sobre el terreno, objetos y superficies.
CAPÍTULO 2 - DESCRIPCIÓN DE LOS DATOS En este Capítulo se describieron con detalle todos los datos utilizados en esta disertación (datos de Teledetección e in situ). Los datos de Teledetección se dividieron en cuatro grupos: datos térmicos, datos ópticos, datos LiDAR y los servicios Copernicus (datos térmicos y ópticos). Los datos térmicos utilizados fueron los "puntos calientes" provenientes del sensor SEVIRI y capturados por las antenas gestionadas por el grupo de investigación Unidad de Cambio Global (UCG) de la Universitat de València. Los datos ópticos se basaron en imágenes Sentinel-2 y Landsat-8, siendo las imágenes Sentinel-2 las más idóneas en comparación con las parcelas de campo. Los datos LiDAR se obtuvieron del Plan Básico Autonómico (Xunta de Galicia) y se utilizaron para calcular las variables relacionadas con la cobertura de combustible, la altura y la biomasa en Galicia. El vuelo LiDAR tuvo lugar en 2019 (4 puntos de retorno m2).
Por último, en este estudio, se utilizó el servicio EMS (alta resolución espacial) de Copernicus como datos de referencia del área quemada (Capítulo 3). Los datos EFFIS (MODIS y, recientemente, la combinación de imágenes MODIS y Sentinel-2) se utilizaron para evaluar las áreas quemadas y los mapas de severidad del fuego obtenidos por los datos Sentinel-2 para los incendios forestales de octubre de 2017 ocurridos en la Península Ibérica (Capítulo 3).
Con respecto a los datos de campo, se clasificaron en cuatro categorías: datos sobre severidad del fuego, parcelas de suelo quemado, mediciones espectrales y parcelas de características estructurales de los matorrales de tojo tras el incendio. La severidad del fuego se validó utilizando parcelas de campo (20x20m, equivalente a la resolución espacial de Sentinel-2) clasificadas visualmente en función de los porcentajes de vegetación quemada. Se establecieron cuatro grados de severidad: Sin Quemar, Gravedad Baja (menos del 50% de la cubierta vegetal quemada), Gravedad Moderada (menos del 90% de la cubierta vegetal quemada) y Gravedad Alta (más del 90% de la vegetación afectada y destruida). El estudio garantizó la homogeneidad de las parcelas, marcada por mediciones GPS.
Las parcelas de severidad en el suelo, se establecieron en zonas con vegetación totalmente consumida por el fuego de copas (tamaño mínimo 60 m × 60 m) y cobertura de piedras (diámetro de las partículas >10 cm) inferior al 50%. La evaluación se realizó en parcelas de 20 m de radio centradas dentro de parcelas mayores. Utilizando un cuadrante de 20 cm × 20 cm en 80 puntos, seleccionados sistemáticamente a lo largo de dos transectos perpendiculares. Se clasificó la severidad del suelo en base a una versión modificada del índice de severidad del suelo de Vega et al., 2013 (Fernández y Vega, 2016). Junto con las parcelas, se realizaron mediciones radiométricas en zonas homogéneas con sombras mínimas de árboles. Se utilizó sobre el terreno el radiómetro térmico CIMEL CE-312, diseñado para mediciones precisas de la radiación infrarroja térmica en seis bandas. La temperatura de la superficie terrestre (LST) y la emisividad (-) se obtuvieron mediante el algoritmo de separación de temperatura y emisividad (TES) tras las mediciones sobre el terreno. Además, se utilizó el espectrómetro FieldSpec® de Analytical Spectral Devices (ASD), con un rango de resolución espectral de 350 a 2500 nm y un rango de ancho de banda de 3 a 6 nm. Las mediciones se realizaron en el campo y en el laboratorio del Instituto Nacional de Técnica Aeroespacial (INTA).
Por último, se establecieron parcelas experimentales en matorrales dominados por Ulex europaeus L. y se evaluaron variables de vegetación mediante una combinación de mediciones no destructivas (transecto de altura y cobertura) y muestreo destructivo de pequeñas parcelas. El muestreo destructivo se realizó en subparcelas de 4 m² dentro de cada parcela de muestreo, clasificando el material vegetal en clases de tamaño y registrando el estado fisiológico antes de secarlo al horno y pesarlo. Estas mediciones proporcionaron datos de cobertura arbustiva (%), altura (cm), biomasa total en pie (kg/m²), y diversas fracciones de biomasa, esenciales para evaluar las características del combustible, el comportamiento potencial del fuego, e identificar las áreas que carecen de suficiente cobertura vegetal para la regeneración natural después de la perturbación.
CAPÍTULO 3 - METODOLOGÍA Entre 2017 y 2023, más de 9000 incendios forestales quemaron aproximadamente 1.6 millones de hectáreas en España y Portugal. Esta tesis se centra en 68 incendios forestales de este período, de los cuales 58 son grandes incendios (más de 500 Ha) que quemaron más de 490000 Ha. El área de estudio presenta diversos tipos de dosel forestal (clasificadas principalmente en Pinus sylvestris L, Pinus pinea L., Pinus pinaster Ait., Pinus radiata, Pinus nigra, Populus x canadensis, Populus nigra, Quercus pyrenaica, Quercus ilex, Quercus suber, Acacia dealbata, Alnus glutinosa, Fraxinus angustifolia, Juniperus oxycedrus, Juniperus communis, Castanea sativa, Salix spp., Olea europaea, Arbutus unedo, Eucalyptus nitens, Eucalyptus camaldulensis y Eucalyptus globulus Labill, con un sotobosque arbustivo de Erica L. sp., Cistus L. sp., Ulex europaeus L. and Cytisus Desf. Sp.) y elevaciones que oscilan entre los 70 y los 2100 m s.n.m. con pendientes entre el 0% y el 85%. Los incendios se estratifican en dos regiones climáticas: Mediterránea y Atlántica.
Una vez seleccionada el área de estudio idónea, se llevaron a cabo las tareas de preprocesamiento previas al cálculo de los índices espectrales (Sentinel-2 y Landsat-8) y a la utilización de los datos LiDAR. Las imágenes de Sentinel-2 (ya corregidas atmosféricamente), se recortaron, remuestrearon y se enmascararon las nubes utilizando la máscara Scene Classification Image (SCL). Toda la cobertura no forestal también fue eliminada mediante la máscara S2GLC2017. Los datos de Landsat-8 fueron corregidos atmosféricamente mediante la herramienta Dark Object Substraction (DOS) y la máscara de nubes aplicada se obtuvo mediante la banda de calidad (BQA). Los datos LiDAR se procesaron con el software FUSION para obtener variables relacionadas con la cubierta de combustible, la altura y la biomasa en las zonas de estudio. Se crearon modelos digitales de superficie y se recortaron basándose en las coordenadas de las parcelas de campo. Las métricas LiDAR en bruto, incluidas la media y los percentiles de elevación, sirvieron como predictores de las variables de vegetación posteriores al incendio.
Una vez pre-procesados los datos, se calcularon todos los índices espectrales descritos en el Capítulo 1. Para el estudio de área quemada se utilizaron diferentes análisis estadísticos, tales como el Índice de Separabilidad (SI) y los errores de omisión y comisión. Para el estudio de la severidad, se volvió a utilizar el SI pero esta vez asignándole pesos diferentes según el nivel de severidad (mayor severidad, mayor peso). Además, dada la estrecha relación entre la severidad del fuego y el tipo de vegetación, se dividió el área quemada en función de la densidad de vegetación existente previa al incendio, utilizando el índice NDVI (Capítulo 1). Además del uso del índice SI, también se emplearon otros estadísticos como: precisión, precisión equilibrada, el F1-score o índice kappa.
El análisis de la severidad del fuego en el suelo se realizó en diferentes partes. En primer lugar, se obtuvieron modelos de regresión entre los índices dNBR y dNDVI, y la severidad del suelo para los incendios de Galicia ocurridos en octubre de 2017. En segundo lugar, se realizó un análisis mas exhaustivo de la severidad del suelo, aumentando el número y localización de los incendios forestales y añadiendo las mediciones radiométricas. Para las mediciones en el espectro térmico (CIMEL CE-312), no se encontró información satelital acorde a las dimensiones de las parcelas. Sin embargo, utilizando las medidas en el espectro óptico (ASD), si se pudieron convolucionar en función de las bandas espectrales Sentinel-2. En este caso, al igual que para el estudio de la severidad del fuego, también se emplearon los estadísticos precisión, precisión equilibrada, F1-score o índice kappa. En tercer y último lugar, propiedades del suelo asociadas a los niveles de severidad del fuego (infiltración acumulada, diámetro medio en peso y contenido de carbono orgánico del suelo) fueron evaluadas.
Por último, se desarrollaron modelos estadísticos para las características de la vegetación pos-incendio utilizando mediciones de la estructura de la vegetación pos-incendio y variables obtenidas por teledetección. Se analizaron diecinueve variables independientes mediante regresión exponencial, un método habitual para la modelización de la biomasa en teledetección. El rendimiento del modelo se evaluó mediante R2 ajustado, error cuadrático medio (RMSE) y error cuadrático medio relativo (RRMSE).
CAPÍTULO 4 - RESULTADOS Y DISCUSIÓN En este Capítulo, se muestran los resultados obtenidos en esta disertación. El estudio utilizó imágenes Sentinel-2 para el análisis de grandes incendios forestales, pero se abordaron las limitaciones de los satélites ópticos, como las interferencias de las nubes y las confusiones espectrales. Se consideró el uso de técnicas de radar como Sentinel-1, pero se rechazó debido a la complejidad del procesamiento.
Se emplearon índices espectrales, haciendo hincapié en las bandas NIR y SWIR, para la evaluación posterior al incendio. Se optó por el umbral en lugar de clasificaciones supervisadas o no supervisadas, y se basó en estadísticas como la media y la desviación estándar. Los resultados de la delimitación de zonas quemadas mostraron que el algoritmo dNBR2 era el más preciso, con menores errores de omisión (3%) y comisión (7%) en comparación con otros estudios. Los resultados de severidad del fuego obtenidos utilizando la metodología propuesta (FS), fueron comparados con la metodología del Servicio Geológico de Estados Unidos (USGS). FS demostró valores más altos de precisión (ACC), precisión equilibrada (BA), F1- score (F1) e índice kappa (k) (0.93, 0.92, 0.86 y 0.87) que la metodología USGS (0.84, 0.88, 0.81 y 0.73). La severidad nula y baja se clasificó por igual en ambos métodos, pero el FS consiguió menores errores de omisión y comisión para la severidad moderada y alta. El índice kappa (0.93) superó al de otros estudios que utilizaron imágenes Landsat-8. La metodología propuesta dio prioridad a la severidad alta debido a su asociación con el riesgo de erosión. El estudio hizo hincapié en los retos que supone obtener una base de datos amplia y homogénea para la validación debido a factores como la accesibilidad y la gravedad predominante de los incendios.
Con respecto a la severidad del fuego en el suelo, este estudio presentó nuevos mapas de severidad del suelo utilizando mediciones radiométricas combinadas con datos de teledetección. En el estudio se analizaron las dificultades que plantea la validación de los resultados debido a la baja resolución espacial de las actuales tecnologías de teledetección en el espectro térmico. A pesar del posible desequilibrio en las parcelas de campo debido a la heterogeneidad de las zonas quemadas, el estudio utilizó métricas como la precisión equilibrada (BACC), la puntuación F1 (F1) y el índice Kappa de Cohen (k) para abordar esta cuestión. Los gráficos de reflectividad proporcionaron información valiosa, indicando la idoneidad de ciertos índices espectrales, como NBR, CR, MIRBI e IOR (Capítulo 1), para distinguir los niveles de severidad del suelo. Se eligieron las imágenes de Sentinel-2 por su mayor idoneidad en comparación con los datos del satélite Landsat. El Índice de Área Quemada para Sentinel-2 (BAIS2) se excluyó basándose en criterios específicos, y el Coeficiente de Arcilla (CR) resultó ser el único índice espectral con un Índice de Separabilidad Ponderado (SIw) igual o superior a uno tanto en las mediciones de campo como en las de laboratorio. El índice de proporción de óxido de hierro (IOR) demostró la sensibilidad y especificidad medias más altas (0.81 en Baja, 0.72 en Moderada, 0.77 en Alta gravedad de quemadura del suelo). El estudio hizo hincapié en la necesidad de evaluar por separado la vegetación y la severidad del fuego en el suelo y abordó las limitaciones de la resolución espacial de las tecnologías de teledetección para la evaluación de la severidad del fuego en el suelo.
En relación a las propiedades del suelo analizadas, el índice RBR fue el mejor predictor para la infiltración media acumulada y el diámetro medio del peso de los agregados del suelo. Las relaciones entre los índices y el carbono orgánico del suelo fueron débiles en la mayoría de los casos, siendo el mejor predictor el índice dMIRBI con R2 y RMSE iguales a 0.552 y 0.087%, respectivamente. El índice espectral NBR tuvo un comportamiento similar para las tres variables analizadas.
Por último, esta disertación aborda la laguna existente en la comprensión del rebrote pos-incendio, enfatizando la importancia de los datos de campo detallados para validar las predicciones de teledetección. A diferencia de estudios anteriores, esta investigación modela diferentes fracciones de arbustos, considerando biomasa viva/muerta y fina/total, un aspecto crucial para las evaluaciones dinámicas del riesgo de incendios. Combinando índices espectrales LiDAR y Sentinel-2, el estudio caracterizó matorral, proporcionando datos para programas simuladores del comportamiento del fuego. El estudio confirma que los datos LiDAR, enfatizando la estructura vertical, mejoran el rendimiento del modelo AGB, apoyando los hallazgos de investigaciones previas sobre los papeles complementarios de los datos ópticos y LiDAR en las evaluaciones de la vegetación.
CONCLUSIONES El objetivo principal fue crear y validar una metodología para la evaluación de áreas quemadas y la severidad del fuego mediante el uso de teledetección. Como parte de la evaluación de la severidad del fuego, se llevaron a cabo las siguientes tareas complementarias: 1) evaluación de la severidad del fuego centrada en el daño al suelo (niveles de severidad de quema del suelo) mediante teledetección y mediciones radiométricas (espectros solar y térmico); 2) exploración de la relación entre la severidad de la quema del suelo e índices espectrales considerando tres propiedades del suelo relacionadas con la susceptibilidad a la erosión del suelo después del fuego: conductividad hidráulica saturada, como un indicador de la repelencia al agua del suelo; contenido de carbono orgánico del suelo; y el diámetro medio ponderado de los agregados del suelo; 3) exploración de la combinación de teledetección con datos LiDAR y mediciones de laboratorio, con el fin de analizar las métricas de la estructura vertical (cobertura, altura, biomasa en pie, entre otros) en matorrales de Ulex europaeus después del fuego.
Los resultados presentados en este estudio introducen un enfoque innovador para el análisis de incendios forestales en España mediante la utilización de datos de satélite Sentinel-2 para la cartografía de áreas quemadas y la severidad del fuego. El índice dNBR2 resultó adecuado para la estimación de la superficie quemada, mientras que, para la estimación de la severidad del incendio, la combinación de tres índices espectrales (BAIS2, NBR y NBR3) para diferentes clases de densidad de vegetación (baja, mixta y plena densidad) fue seleccionada como la mejor opción. Los criterios de selección utilizados se derivaron de estadísticas como errores de omisión y comisión, junto con la precisión (ACC), la precisión equilibrada (BA), la puntuación F1 (F1) y la estadística Kappa (k). El estudio destaca la eficacia de las combinaciones de bandas roja, infrarroja cercana (NIR) e infrarroja de onda corta (SWIR) para distinguir entre vegetación sana y quemada y entre distintos niveles de gravedad del incendio. Sin embargo, hay que tener en cuenta que el estudio se centra en los incendios forestales españoles y las limitaciones de las campañas de campo debidas al terreno y a las condiciones meteorológicas. Además, la selección de las parcelas de campo se basa en criterios visuales, lo que subraya la necesidad de interpretar los resultados con cautela.
Con respecto a la severidad del fuego en el suelo, este estudio introduce un enfoque novedoso combinando mediciones radiométricas con datos de teledetección. La sinergia entre los datos de gravedad medidos sobre el terreno y la información de Sentinel-2 resultó crucial para la restauración eficaz de las zonas quemadas. El estudio identifica los datos de Sentinel-2 como óptimos para discriminar entre diferentes niveles de severidad debido a su alineación de resolución espacial con las mediciones de campo. Aunque persisten las limitaciones del dominio térmico, misiones futuras como -Land Surface Temperature Monitoring- de Copernicus son prometedoras. En el dominio óptico, las mediciones del -Analytical Spectral Device- (ASD) se correlacionan bien con las bandas de Sentinel-2. Tras aplicar la convolución de Sentinel-2 a ASD, el índice espectral IOR demostró una gran precisión en la cartografía de la severidad del suelo. Además, el estudio destacó la importancia de la banda azul para mejorar la precisión cartográfica. A pesar de las dificultades para organizar campañas de campo, se recomiendan futuras mediciones radiométricas en vegetación sana dentro de las zonas quemadas para el análisis de detección de cambios.
En relación a las propiedades del suelo, las fuertes correlaciones observadas entre el RBR y la infiltración acumulada, así como el diámetro del peso medio de los agregados del suelo, y entre el dMIRBI y el contenido de carbono orgánico del suelo, parecen estar influidas por la información proporcionada por la banda espectral infrarroja de onda corta (SWIR). La metodología propuesta, basada en imágenes de libre acceso y que sólo requiere una imagen Sentinel-2 pos-incendio, ofrece una aplicabilidad práctica para los agentes forestales en la planificación de tareas de evaluación y restauración.
Para finalizar, se establecieron modelos predictivos para la caracterización estructural de los matorrales de tojo en el noroeste de España (altura, cobertura, biomasa total sobre el suelo en pie, y biomasa sobre el suelo por fracción de espesor y condición fisiológica), obteniéndose coeficientes de determinación ajustados que oscilaban entre 0.6 y 0.9. La integración de datos LiDAR en imágenes de teledetección óptica mejoró significativamente el rendimiento del modelo, especialmente en lo relativo a la estructura vertical del complejo arbustivo. Estos modelos se derivaron de datos de vegetación posteriores al fuego que abarcan de 2 a 10 años después del incendio. Las investigaciones futuras deberán centrarse en la calibración de los modelos en diferentes regiones y, cuando sea necesario, considerar nuevas comunidades de vegetación en diversos intervalos posteriores al incendio. Los modelos desarrollados tienen una utilidad potencial para evaluar los riesgos espaciales de incendio relacionados con la acumulación de combustible y su función como sumideros de carbono.
FUTUROS TRABAJOS Finalmente, para mejorar la línea de investigación seguida en este estudio, los trabajos futuros pueden hacer una contribución significativa a la luz de lo anterior:
- Una extensión de la base de datos, tanto en número de incendios como en su ubicación (incendios ocurridos fuera de España) y las parcelas de campo de severidad del fuego (mayor número de parcelas de campo y homogeneidad) debería contribuir a mejorar el alcance de este estudio.
- La viabilidad de realizar vuelos con UAV con sensores multiespectrales, hiperespectrales y térmicos para evaluar el impacto de una mejor resolución espacial.
- Investigación de la severidad del fuego a través de un análisis temporal, observando cómo evoluciona la severidad del fuego con el tiempo mediante el uso de múltiples imágenes posteriores al incendio. Este estudio se puede aplicar para evaluar tanto la severidad general (vegetación + suelo) como la severidad del suelo.
- Evaluación de la influencia de los incendios forestales en la reducción de la precipitación y la humedad del suelo.
- Detección de puntos calientes utilizando datos de Sentinel-3.
- Exploración de emisiones de gases (monóxido de carbono, aerosoles, etc.) de incendios forestales utilizando datos satelitales de Sentinel-5p.
