Estimación de niveles de severidad del fuego a partir de datos hiperespectrales EO-1 Hyperion

• Autores: Alexander Parra Uzcátegui
• Directores de la Tesis: Emilio Chuvieco Salinero (dir. tes.), Alicia Palacios-Orueta (codir. tes.)
• Lectura: En la Universidad de Alcalá ( España ) en 2006
• Idioma: español
• Tribunal Calificador de la Tesis: Joaquín Meliá Miralles (presid.), María Inmaculada Aguado Suárez (secret.), Carmen Hernando Lara (voc.), Fernando Pérez Cabello (voc.), Mónica García García (voc.)
• Materias:
  • Ciencias de la tierra y del espacio
    • Geografía
• Texto completo no disponible (Saber más ...)
• Resumen

  • El fuego es el principal agente de perturbación en los ecosistemas mediterráneos cada verano, alterando rápidamente las características del a vegetación en grandes áreas, impactando la fauna, aguas, suelos y aire, produciendo elevados daños económicos, ecológicos e incluso pérdida de vidas humanas. La magnitud de esos impactos está directamente relacionada a la severidad del fuego como una medida del nivel de año a la vegetación, materia orgánica y suelo. El objetivo de este trabajo es evaluar la severidad del incendio de Navas del Rey (Madrid) del 26 de junio de 2003. Una imagen del sensor Hyperion EO-1 obtenida el 30 de julio del mismo año, fue empleada a través del uso técnicas de análisis hiperespectrales para correlacionar los diferentes niveles de severidad con datos de índices de severidad obteidos sobre el terreno. Para el estudio de la severidad del fuego basado en el trabajo de campo se evaluaron y clasificaron, de acuerdo al nivel de severidad, 50 parcelas de entrenamiento de 30x30 metros durante el mes de agosto de 2003 distribuidas por toda la superficie del incendio. La metodología de análisis de datos consistió de (1) corrección radiométrica y geométrica de la imagen y selección de 129 bandas libres de errores y ruido que cubren el especto de 492,36-2329,80 nm, (2) aplicación de seis técnicas de análisis de datos hiperespectrales: bandas óptimas de reflectividades (BOR), cociente normalizado de reflectividades (CNR) entre todas las posibles combinaciones de bandas, primera derivada de reflectividades (PDR), análisis de absorción frente a la tendencia (continuum removal) en la banda de absorción de la clorofila para derivar la profundidad de banda de absorción (PB), cociente normalizado de la profundidad de bandade absorción (CNPB) y el índice normalizado de la profundidad de banda de absorción (INPB), (3) selección de bandas y creación de los modelos de predicción, a partir del análisis de regresión lineal múltiple por pasos sucesivos, que mejor expliquen la variación de los niveles de severidad del fuego, (4) evaluación de los resultados estadísticos en términos del coeficiente de determinación (R2), raíz del error medio cuadrático (REMC) y el porcentaje de casos correctamente clasificados mediante la validación cruzada y (5) creación del mapa de niveles de severidad del fuego a partir del mejor modelo de regresión. Usando los datos de entrenamiento, los 6 métodos explican la variación de los niveles de severidad del fuego con valores de R2 de 0,46, 0,62, 0,90, 0,87, 0,89, y 0,90 y yb REMC de 0,76, 0,59, 0,30, 0,36, 0,33 y 0,32 entre lo observado y pronosticado para CNPB, INPB, PB, PDR, CN y BOR, respectivamente.