Los regímenes naturales de incendios han sufrido modificaciones; consecuentemente, es indispensable disponer de herramientas robustas para el seguimiento post-fuego de la vegetación. Los satélites de alta resolución temporal permiten construir series temporales de índices de vegetación para monitorear la recuperación post-fuego. Una de las técnicas utilizadas consiste en comparar la serie temporal de una parcela quemada con la de una parcela control no quemada. Sin embargo, para su implementación es necesario seleccionar parcelas control que antes del incendio tengan una vegetación con igual estructura y funcionamiento que la parcela quemada. Un estudio previo definió criterios biológicos para localizar parcelas quemadas y control con idéntico funcionamiento pre-incendio. Para testearlos se propuso una rutina de test no paramétricos de baja potencia estadística, analizando el cociente QVI (Quotient Vegetation Index) de las series temporales de NDVI (Normalized Difference Vegetation Index) de parcelas control y quemadas. Sin embargo, actualmente existen técnicas de análisis autorregresivas con mayor potencia estadística. Los objetivos del presente trabajo fueron proponer seis nuevas rutinas basadas en test autorregresivos y comparar el desempeño de éstas contra la rutina no paramétrica. Seleccionamos 13.700 parcelas de bosque y extrajimos las series temporales NDVI MODIS entre 2002 y 2005. Aleatoriamente seleccionamos 43 parcelas de referencia. A través de las rutinas planteadas comparamos la serie temporal de referencia con cada una de las 13.657 series restantes. Estimamos el desempeño midiendo la distancia euclidiana entre la serie de temporal de la parcela de referencia y las series temporales de las parcelas aceptadas por cada rutina. También, medimos la calidad y contabilizamos la cantidad de las series temporales QVI seleccionadas por cada rutina. Las rutinas autorregresivas tuvieron mejor desempeño, ya que seleccionaron parcelas control con series temporales de NDVI con la máxima similitud con respecto a las parcelas de referencia y series QVI de mayor calidad.
Natural fire regimes have been modified; therefore robust post-fire monitoring tools are needed to understand the post-fire recovery process. Satellites with high temporal resolution allow us to build time series of vegetation indices for monitoring post-fire vegetation recovery. One of the techniques used is to compare the time series of a burned plot with that of an unburned control plot. However, for its implementation it is necessary to select control plots in which the vegetation has the same structure and functioning than the plot burned before the fire. Previous study defined biological criteria to detect burned and unburned control plots with identical pre-fire vegetation functioning. Moreover, a non-parametric test routine of low statistical power was proposed to test them, this was based on the analysis of the QVI (Quotient Vegetation Index), calculated between NDVI (Normalized Difference Vegetation Index) time series of the burned and control site. However, currently there are autoregressive analysis techniques with greater statistical power. Therefore the aims were to propose six new statistical routines based on autoregressive test, and compare the performance of these with the non-parametric routine. We selected 13,700 forest plots and extracted the NDVI MODIS time series between 2002 and 2005. We randomly selected 43 reference plots, and through each routine, we compared each reference time series with the other 13,657 time series. We estimated the performance of the routines measuring the euclidian distance between the time series of the reference plot and the time series of the plots accepted for each routine. We also measured the quality and the amount of the QVI time series selected by each routine. Autoregressive routines showed better performance than the non-parametric routine, since they selected control plots with NDVI time series with greatest similarity with respect to the reference plots and QVI series with highest quality.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados