Análisis comparativo de índices espectrales para ubicar y dimensionar niveles de severidad de incendios forestales

• Autores: Ana Graciela Flores Rodríguez, José Germán Flores Garnica, Diego Raymundo Gonz´alez Eguiarte, Agustín Gallegos Rodríguez, Patricia Zarazúa Villaseñor, Salvador Mena Mungía
• Localización: Investigaciones geográficas, ISSN 0188-4611, ISSN-e 2448-7279, Nº. 106, 2021
• Idioma: español
• Títulos paralelos:
  • Comparative analysis of spectral indices to locate and size levels of severity of forest fires
• Enlaces
  • Texto completo
• Resumen
  • español

    Los efectos de los incendios forestales en los ecosistemas son variables dependiendo de la severidad del fuego, sin embargo su evaluación en campo significa un importante gasto de recursos, ya sea por la amplitud, o inaccesibilidad. Debido a esto se han implementado estrategias alternas, como el uso de índices espectrales derivados de sensores remotos. Sin embargo, existe un amplio número y diversidad de estos, por lo que en este trabajo se hizo un análisis comparativo en relación a la detección y clasificación de la severidad de un incendio forestal, ocurrido en 2018 en un bosque de pino-encino. Los índices se derivaron de imágenes Landsat 8 (OLI) y se agruparon como: a) Monotemporales (Consideran una sola fecha imagen): NIR, NDVI, NDWI, NBR, EVI, NBRT, BAI, OSAVI, GCI, SIPI, GNDVI, GEMI; y b) Bitemporales (Para su estimación se usan dos fechas de imágenes): RdNBR, dNBR, RBR, RI, NRI, dNDVI. Para la selección se determinó, a través de una matriz de confusión, la precisión global y el coeficiente kappa. Debido a que se observó una diferencia dependiendo del tiempo transcurrido después de la ocurrencia del incendio, se definió el índice PK (coeficiente kappa/precisión global). De esta forma, el mejor índice para la detección y clasificación de la severidad del incendio fue el NBR. También se observó que la precisión está relacionada a la temporalidad, de esta forma los mejores índices definidos después del incendio fueron: NBR, GNDVI, RdNBR, Dnbr, RBR, RI y BAI; mientras que los definidos después de lluvias fueron: NBR, NBRT, NDVI y NDWI.

  • English

    The effects of forest fires on ecosystems are variable depending on the severity of the fire, however its evaluation in the field means a significant expenditure of resources, either due to its amplitude or inaccessibility. Due to this, alternative strategies have been implemented, such as the use of spectral indices derived from remote sensors. However, there is a large number and diversity of these, so in this work a comparative analysis was made in relation to the detection and classification of the severity of a forest fire, which occurred in 2018 in a pine-oak forest. The indices were derived from Landsat 8 images (OLI) and were grouped as: a) Monotemporal (They consider a single image date): NIR, NDVI, NDWI, NBR, EVI, NBRT, BAI, OSAVI, GCI, SIPI, GNDVI, GEMI ; and b) Bitemporal (Two image dates are used for their estimation): RdNBR, dNBR, RBR, RI, NRI, dNDVI. For the selection, the global precision and the kappa coefficient were determined through a confusion matrix. Because a difference was observed depending on the time elapsed after the occurrence of the fire, the PK index (kappa coefficient / global precision) was defined. In this way, the best index for the detection and classification of the severity of the fire was the NBR. It was also observed that the precision is related to the temporality, in this way the best indices defined after the fire were: NBR, GNDVI, RdNBR, Dnbr, RBR, RI and BAI; while those defined after the rains were: NBR, NBRT, NDVI and NDWI.