Cartografía de áreas quemadas en Sudamérica: detección de píxeles semilla (South America burnt areas mapping: core pixels detection)

-

Documents
22 pages
Obtenez un accès à la bibliothèque pour le consulter en ligne
En savoir plus

Description

RESUMEN
El siguiente artículo presenta un método para la detección de píxeles semilla, que constituye la primera fase de la cartografía de áreas quemadas. Este se basa en un algoritmo de discriminación elaborado en el marco del proyecto AQL2004 de la RedLatif (Chuvieco et al., 2008). Dicho algoritmo propone dos fases, la primera se orienta a la detección de píxeles semilla a partir de índices especialmente adaptados a la señal del carbón y la segunda etapa se orienta a mejorar la cartografía mediante la incorporación de un algoritmo de contexto para mejorar la definición del perímetro de área quemada desde las semillas identificadas previamente.
El presente estudio se centra en la primera fase del algoritmo, la cual ha sido enriquecida incorporando umbrales diferenciados según las distintas condiciones regionales del área de estudio, para esto se han evaluado previamente distintas capas de información de tipo climática y de vegetación con las cuales se ha construido un mapa de clases para la diferenciación regional del valor de discriminación de las semillas.
Los resultados muestran porcentajes de detección superiores al 80% en incendios mayores de 500 hectáreas.
ABSTRACT
The following paper presents the first part of a methodology for mapping bunt area at global scale. This part named core pixels detection is based on an algorithmdeveloped under the project AQL2004 of RedLatif (Latinoamerican Red for Remote sensing and forest fires) (Chuvieco et al., 2008).
This algorithm proposes two phases, the first is orientated to detection of core pixels using especially elaborate indexes to the coal signal and the second stage is aimed at improving mapping using contextual analysis for better definition of the burnt area perimeter.
This algorithm has been enriched incorporating flexible regional thresholds
this thresholds has been created using and evaluating different layers of information (climate and vegetation).
There results show detection rates of over 80% in fires larger than 500 hectares.

Sujets

Informations

Publié par
Publié le 01 janvier 2009
Nombre de lectures 20
Langue Español
Signaler un problème

Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-71
Cartografía de áreas quemadas en Sudamérica:
detección de píxeles semilla
South America burnt areas mapping: core
pixels detection
1 2S. Opazo y E. Chuvieco
sergio.opazo@umag.cl
1 Universidad de Magallanes, Av.Bulnes #01855. Punta Arenas – Chile.
2 Universidad de Alcalá, C/colegios Nº2. Alcalá de Henares - España
Recibido el 16 de junio de 2009, aceptado el 05 de noviembre de 2009
ABSTRACTRESUMEN
The following paper presents the first part of aEl siguiente artículo presenta un método para
methodology for mapping bunt area at globalla detección de píxeles semilla, que constituye
scale. This part named core pixels detection isla primera fase de la cartografía de áreas que-
based on an algorithmdeveloped under the pro-madas. Este se basa en un algoritmo de discri-
ject AQL2004 of RedLatif (Latinoamerican Redminación elaborado en el marco del proyecto
for Remote sensing and forest fires) (ChuviecoAQL2004 de la RedLatif (Chuvieco et al.,
et al., 2008).2008). Dicho algoritmo propone dos fases, la
This algorithm proposes two phases, the first isprimera se orienta a la detección de píxeles se-
orientated to detection of core pixels using espe-milla a partir de índices especialmente adapta-
cially elaborate indexes to the coal signal and thedos a la señal del carbón y la segunda etapa se
second stage is aimed at improving mappingorienta a mejorar la cartografía mediante la in-
using contextual analysis for better definition ofcorporación de un algoritmo de contexto para
the burnt area perimeter.mejorar la definición del perímetro de área que-
This algorithm has been enriched incorporatingmada desde las semillas identificadas previa-
flexible regional thresholds; this thresholds hasmente.
been created using and evaluating different la-El presente estudio se centra en la primera fase
yers of information (climate and vegetation).del algoritmo, la cual ha sido enriquecida incor-
There results show detection rates of over 80% inporando umbrales diferenciados según las dis-
fires larger than 500 hectares.tintas condiciones regionales del área de estudio,
para esto se han evaluado previamente distintas
capas de información de tipo climática y de ve-
getación con las cuales se ha construido un mapa
de clases para la diferenciación regional del
valor de discriminación de las semillas.
Los resultados muestran porcentajes de detec-
ción superiores al 80% en incendios mayores de
500 hectáreas.
KEYWORDS: Cartography, forest fires, burntPALABRAS CLAVE: Cartografía, incendios fo-
areas, MODISrestales, área quemada, MODIS
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-7150Cartografía de áreas quemadas en Sudamérica: detección de píxeles semilla
está disponible el producto de área quemada están-INTRODUCCIÓN
dar MODIS MCD45 que ofrece una cobertura glo-
bal con una resolución espacial de 500 metros (RoyUn gran número de estudios ambientales utilizan
et al., 2005).la teledetección como herramienta de monitoreo y
La generación de cartografías de áreas quemadas aevaluación de los diversos procesos que afectan a la
escala global se ha basado fundamentalmente en mé-superficie terrestre. La gran capacidad de cobertura
todos de discriminación que utilizan comparacionesespacial y alta frecuencia de observación que pro-
multitemporales de NDVI (Normalized Diferenceveen los sensores satelitales junto a la prontitud con
Vegetation Index) o de otros índices espectralesque se pueden obtener los datos, hacen de ellos un
como el GEMI (Global Environment Monitoringvalioso recurso para la detección y cartografía de in-
Index) o el SAVI (Soil Adjusted Vegetation Index)cendios y para la gestión de áreas vulnerables (Chu-
(Barbosa et al., 1999; Chuvieco et al., 2002; Kasis-vieco, 2008).
chke y French, 1995; Martín y Chuvieco, 1995; Pe-Los sensores más utilizados para la cartografía de
reira, 1999; Sifakis et al., 2004; Trigg y Flasse,áreas quemadas a escala global han sido el AVHRR
2000), aunque también se han propuesto algunas(Advanced Very High Resolution Radiometer) a
metodologías que incorporan la combinación de ca-bordo de la serie de satélites NOAA, el SPOT-VE-
nales térmicos y ópticos (Fraser et al., 2000; Roy etGETATION que se encuentra a bordo de las plata-
al., 1999), clasificaciones supervisadas (Cahoon etformas SPOT- 4 y 5 y el ATSR2 (Along Track
al., 1994); regresiones logísticas (Fraser et al.,Scanning Radiometer) a bordo de ERS-2. Actual-
2002), entre otras técnicas. En los últimos años semente se cuenta con sensores de nueva generación
han propuestos metodologías basadas en índicesdesarrollados especialmente para estudios ambien-
orientados especialmente a la señal quemada. Estostales como MODIS (Moderate Resolution Instru-
índices tienen como principal ventaja la mejora en lament Spectroradiometer) a bordo de las plataformas
disminución entre áreas quemadas y superficies deTerra y Aqua, MERIS (The Medium Resolution
comportamiento espectral similar, reduciendo losImaging Spectrometer Instrument) a bordo del saté-
errores de comisión (zonas clasificadas como que-lite Envisat y otros sensores de programas emergen-
madas cuando no lo son). En este ámbito algunos detes como el MMRS (Multispectral Medium
los índices más utilizados en los últimos años y queResolution Scanner) que viaja sobre el satélite ar-
han ofrecido buenos resultados han sido el NBRgentino SAC-C o el AWIFS (Advanced Wide Field
(Normalized Burnt Ratio) (Key y Benson, 1999), elSensor) a bordo del satélite indio IRS. Sus nuevas
BAI (Burn Area Index) (Martín, 1998) y el MIRBIcaracterísticas de resolución espectral y espacial,
(Mid-Infrared Bispectral Index) (Trigg y Flasse,unidos a la libre distribución de los datos (MODIS –
2000). Su utilización ha permitido el desarrollo deMERIS) potencian el desarrollo de nuevas técnicas
numerosos trabajos de discriminación de áreas que-y algoritmos de cartografía de área quemada, incre-
madas (Chuvieco et al., 2008; Dempewolf et al.,mentando notablemente el número de estudios cien-
2007; Loboda et al., 2007; Martín et al., 2005; Roytíficos en este y otros ámbitos ambientales.
et al., 2005).En la actualidad se encuentran disponibles dos pro-
La principal limitación en la cartografía de áreasductos de área quemada con cobertura global, el pri-
quemadas se produce por la heterogeneidad espec-mero denominado GBA2000 (Global Burnt Area)
tral de la señal quemada. Esta heterogeneidad se ob-(http://www-tem.jrc.it/Disturbance_by_fire/pro-
serva tanto dentro de un mismo incendio como entreducts/burnt_áreas/global2000/global2000.htm, úl-
diferentes zonas afectadas, dificultando la elabora-timo acceso 4 de mayo de 2008) utilizó datos del
ción de algoritmos con criterios estándar para todassensor SPOT-VEGETATION y se realizó inicial-
las zonas y traduciéndose finalmente en errores en lamente para el año 2000, actualmente se rebautizó
exactitud de las estimaciones. Algunos motivos decomo L3JRC y cubre desde el año 2000 hasta el
esta variación se deben a factores como el tipo de2007 (Tansey et al., 2007; Tansey et al., 2004). El
ecosistema afectado, las características del combus-segundo producto se denomina GLOBSCAR y se ha
tible (biomasa, estructura del dosel), la severidad delrealizado con datos del sensor ATSR-2; se procesó
fuego, la humedad del terreno, la época del año, es-inicialmente el año 2000, pero actualmente se rea-
tado fenológico, las condiciones climáticas poste-liza para los años 1998 hasta 2007 (http://geo-
riores al incendio (lluvia, viento, etc.) y el tiempofront.vgt.vito.be/geosuccess/, último acceso 4 de
entre la quema y la captura de la imagen (Pereira etmayo de 2008) (Simon et al., 2004). Actualmente
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-71 51S. Opazo y E. Chuvieco
al., 1999; Pereira y Setzer, 1993; Roy y Landmann, El umbral utilizado por AQL2004, se ajustó tra-
2005). Así mismo, la persistencia o duración del tando de que todos los tipos de ecosistemas queda-
carbón y por tanto su respuesta espectral dependerá sen incluidos y no se omitiesen áreas quemadas,
esencialmente de la capacidad de regeneración que generando así resultados disímiles para los distintos
posea la vegetación del sitio afectado (Pereira et al., ecosistemas. Por lo tanto, una de las conclusiones
1999). La contribución del tipo de suelo que ha su- propuestas fue la adaptación del algoritmo a las con-
frido el incendio es otro elemento que incide en la diciones regionales.
señal, especialmente en regiones con bajos porcen- El presente estudio tiene como objetivo continuar
tajes de vegetación donde su influencia es notable, en la línea marcada por el proyecto AQL2004, ana-
pudiendo confundirse con áreas quemadas en el caso lizando la variabilidad espectral de diferentes zonas
de los suelos oscuros o por el contrario en el caso de quemadas con el fin de optimizar el método para la
los suelos brillantes la señal del carbón se disipa. detección de píxeles semillas a escala continental, lo
Las características y propiedades de la señal que- que supondrá la primera fase del algoritmo de car-
mada pueden generar confusión con superficies de tografía de área quemada en Sudamérica que propo-
comportamiento similar como son los suelos anega- nemos desarrollar. Para el análisis hemos utilizado
dos, láminas de agua, sombras o los suelos oscuros, índices especialmente adaptados a la señal quemada,
aumentando las falsas detecciones. Por este motivo, de cara a definir criterios para el establecimiento de
el desarrollo de metodologías capaces de producir umbrales flexibles que se adapten a las condiciones
una mayor exactitud en las estimaciones es un tema regionales, disminuyendo así los errores en la esti-
de investigación a diversas escalas (Justice et al., mación global.
1993). El método utilizado se basa en un enfoque de dos
En este ámbito, se planteó el proyecto AQL 2004 fases que fue propuesto anteriormente por otros au-
dentro de la Red Latinoamericana de Teledetección tores (Bastarrika y Chuvieco, 2006; Martín, 1998) y
e Incendios Forestales (RedLaTIF) específicamente ha sido utilizado en Latinoamérica
(http://www.fuego.org.ar/redlatif/index.html, último por AQL2004. La primera etapa se orienta a la de-
acceso 4 de mayo de 2008), para cartografiar áreas tección de los píxeles más claramente quemados que
quemadas en Latinoamérica durante el año 2004 se denominan semillas, lo que permite reducir las
(Chuvieco et al., 2008). Una de las cuestiones más falsas detecciones (error de comisión). Posterior-
discutidas en dicho estudio fue el establecimiento de mente, en la segunda fase se define más detallada-
los umbrales de discriminación, dado que la gran ex- mente el conjunto del perímetro quemado a partir de
tensión de terreno abarcada incluía todo tipo de eco- las semillas, con el propósito de reducir los errores
sistemas, desde zonas desérticas hasta densos de omisión.
bosques tropicales. Normalmente, un punto crítico
en toda cartografía de áreas quemadas es la defini- DATOS DE ENTRADA
ción de los umbrales de discriminación entre que-
mado y no quemado. Usualmente para definir ese El producto utilizado fue un compuesto
límite se utiliza información obtenida de zonas que- de 16 díasdenominado MCD43B4 (http://edc-
madas previamente identificadas y de ellas se extrae daac.usgs.gov/modis/mcd43b4v4.asp, último acceso
un valor (comúnmente el valor medio) que es utili- 4 de mayo de 2008). Este producto ha sido evaluado
zado para la obtención de los perímetros quemados. previamente frente a otros productos MODIS, de-
Este umbral es difícilmente generalizable, especial- terminándose como el más conveniente para este tra-
mente cuando se trata de zonas muy extensas con bajo (Opazo y Chuvieco, 2007). Cuenta con 7
gran diversidad de vegetación, en donde se induciría bandas (Tabla 3.1) de reflectividad del sensor
a errores en la discriminación. Por ello, el funcio- MODIS corregidas de la influencia atmosférica, así
namiento del algoritmo puede ser bueno en algunas como del efecto bi-direccional que provoca la in-
zonas, pero no necesariamente funciona bien en fluencia del ángulo de visión del sensor. Este pro-
2otras (Li et al., 2003). En este aspecto, algunas va- ducto cuenta con una resolución espacial de 1 Km .
lidaciones realizadas para cartografías de área que- El sensor MODIS forma parte del programa EOS
mada a gran escala han mostrado diferencias en su (Earth Observation System) de la NASA (National
exactitud dependiendo del tipo de vegetación afec- Aeronautics and Space Administration) y es distri-
tada (Chuvieco et al., 2008; Loboda et al., 2007; Si- buido por LP DAAC (http://edcdaac.usgs.gov/).
fakis et al., 2004).
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-7152Cartografía de áreas quemadas en Sudamérica: detección de píxeles semilla
Banda Ancho de Banda(µm) Región del espectro
1 620 – 670 Rojo
2 841 – 876 Infrarrojo cercano
3 459 – 479 Azul
4 545 – 565 Verde
5 1230 – 1250 Infra – rojo de onda corta
6 1628 – 1652 Infra – rojo de onda corta
7 2105 – 2155 Infra – rojo de onda corta
Tabla 1. Bandas producto Modis MCD43
El producto MCD43 es generado a partir de una télite de mayor detalle espacial (Landsat TM/ETM,
combinación de los datos adquiridos por Terra y de 30m y CBERS CCD, de 20m) (Chuvieco et al.,
Aqua, lo que optimiza su calidad, posibilitando una 2008). Estos fueron complementados con nuevos
mayor cantidad de píxeles libres de nubes. Para la perímetros obtenidos utilizando el mismo procedi-
realización del presente trabajo se procesaron 70 miento.
mosaicos del MCD43 de toda Sudamérica, que com- Para la interpretación de las imágenes Landsat se
prenden un periodo de estudio de tres años (2004 a optó por la composición en color SWIR, IRC y Vi-
2006). sible utilizada previamente por otros autores para la
Además de los datos MODIS también se emplearon cartografía de áreas quemadas (Koutsias y Karteris,
perímetros de área quemada obtenidos previamente 1998) y en el caso de las imágenes CBERS se utilizó
en la fase de validación del proyecto AQL2004 a la combinación IRC, Rojo y Verde, puesto que estas
partir de la interpretación visual de imágenes de sa- imágenes no cuentan con información en el canal
SWIR (Figura 1).
Figura 1. Ejemplo de imágenes de alta resolución utilizadas en AQL2004 para la extracción de perímetros quemados, a
la izquierda imagen CBERS (combinación de bandas R: SWIR – G: rojo – B: verde); a la derecha imagen Landsat (com-
binación de bandas R: SWIR – G: infrarrojo – B: azul).
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-71 53S. Opazo y E. Chuvieco
Las imágenes de alta resolución utilizadas para la Por ello, se ha analizado la información existente
obtención de perímetros quemados están localizadas para Sudamérica que esté relacionada con estos fac-
en diversas latitudes de Sudamérica y cubren gran tores y que puede ser útil para la diferenciación re-
parte de los ecosistemas del continente. Utilizando gional del umbral. Principalmente se ha buscado
estos perímetros se realizó la extracción de infor- información relacionada con la vegetación y el
mación sobre zonas quemadas y no quemadas, y clima.
también fueron utilizados en la fase de validación de Tras el análisis de la información disponible se han
las semillas. En la siguiente figura vemos la distri- seleccionado tres capas de información (Figura 3):
bución espacial de las imágenes (Figura 2). a) Un mapa de clasificación climática según Köp-
Como hemos mencionado anteriormente, algunos pen realizado a escala global por el Department
de los factores que pueden explicar la gran hetero- of Natural Sciences la Universidad de Viena
geneidad que muestran las áreas quemadas tienen re- (Beck et al., 2005; Kottek et al., 2006).
lación con el tipo de ecosistema afectado, la b) Un mapa de cobertura de suelo (MODQ12)
severidad del fuego, el tiempo entre la quema y la (Friedl et al., 2002; Friedl et al., 2001) catego-
captura de la imagen, la humedad del terreno o la rizado con la leyenda del IGBP (International
época del año. En este sentido, la hipótesis plante- Geosphere – Biosphere Programme) que se re-
ada se fundamenta en que la respuesta espectral del alizó utilizando información proveniente del
área quemada debe mostrar diferencias en los dis- sensor MODIS.
tintos tipos de vegetación y climas, especialmente c) Los campos continuos de vegetación (Vegeta-
en los casos más extremos como por ejemplo entre tion Continuos Fields - VCF) (Hansen et al.,
vegetación arbórea y pastizales o entre climas tropi- 2003). Este último producto se compone de tres
cales y climas fríos. Contar con información de bandas que expresan la proporción de arbolado,
todas estas variables es muy difícil, más aún en una de vegetación herbácea y de suelo desnudo y
zona de grandes dimensiones. también se generó con datos del sensor MODIS.
Figura 2. Localización de las ventanas donde se identificaron los perímetros quemados
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-7154Cartografía de áreas quemadas en Sudamérica: detección de píxeles semilla
Figura 3. Variables auxiliares utilizadas para el análisis (en orden de izquierda a derecha: a) Clasificación climática de Köp-
pen – b) Cobertura de suelo MOD12Q1 – c) Campos continuos de vegetación)
En la siguiente tabla (Tabla 2) se detalla la clasifi-
cación climática de Köppen:
Código Descripción Código Descripción
Af Tropical Húmedo Cfb Templado húmedo (verano templado)
Am Tropical Monzónico Cfc Templado húmedo (verano frio)
As Tropical (verano seco) Csa Templado con verano seco y cálido
Aw Tropical (invierno seco) Csb Templado con verano seco y templado
BSh Estepario cálido Csc Templado con verano seco y frio
BSk Estepario frio Cwa Templado con invierno seco y verano cálido
BWh Desierto cálido Cwb Templado con invierno seco y verano templado
BWk Desierto frio ET Polar
Cfa Templado húmedo (verano cálido)
Tabla 2. Descripción de la clasificación climática de Köppen
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-71 55S. Opazo y E. Chuvieco
METODOLOGÍA Pre-procesamiento
El pre-procesamiento de las imágenes MODIS in-La metodología planteada para la detección de las
cluyó principalmente el cambio del formato originalsemillas cuenta con información de entrada prove-
.hdf al formato .pix, luego la generación de los mo-niente del producto MODIS (MCD43), de mapas de
saicos y posteriormente la reproyección desde sinu-clima y vegetación, y de perímetros de área quemada
soidal (proyección original) a Goodes Homolosenade alta resolución. El algoritmo parte de una serie de
interrumpida. Este sistema de referencia fue elegidoprocesamientos previos de los datos (lectura, repro-
puesto que gran parte de la información disponibleyección, mosaico), continuando con una serie de
se encontraba en dicha proyección.análisis y criterios espectrales y temporales para de-
Para cubrir completamente Sudamérica se descar-tectar los píxeles semillas (Figura 4). Gran parte del
garon 28 cuadrantes de unos 1000 por 1000 kilóme-proceso se automatizó con la ayuda del lenguaje de
tros cada uno (Figura 5), lo que supone unaprogramación propio del sistema de tratamiento PCI
superficie total de estudio de 28 millones de kiló-Geomatics (http://www.pcigeomatics.com/, último
metros cuadrados aproximadamente. acceso 4 de mayo de 2008).
Figura 4. Esquema del algoritmo de detección de píxeles semilla
Figura 5. Imágenes MODIS - MCD43 descargadas.
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-7156Cartografía de áreas quemadas en Sudamérica: detección de píxeles semilla
Cálculo de índices espectrales proporcionalmente al tamaño del polígono, por lo
tanto los polígonos más grandes contarán con un
Dentro de las posibilidades existentes para discri- mayor número de muestras y los más pequeños ten-
minar áreas quemadas se han obtenido buenos re- drán menor cantidad (Figura 6). Las muestras no
sultados con el uso de índices adaptados a la señal quemadas se obtuvieron sobre zonas cercanas y si-
del carbón. En el presente estudio se optó por la uti- milares a las áreas quemadas, lo que permite asegu-
lización de los índices BAI Burned Area Index (Mar- rar características homogéneas, para ello se
tín, 1998), que fue diseñado específicamente para la consideró un corredor de seguridad (búfer) de dos
discriminación de áreas quemadas y el NBR Nor- píxeles al exterior de los perímetros quemados. A
malized burn ratio (Key y Benson, 1999), amplia- partir de este límite, se realizó un segundo corredor
mente utilizado para estos fines. Ambos índices han de diez kilómetros dentro del cual se extrajeron
mostrado resultados satisfactorios en diversos estu- muestras aleatorias. De cada punto se extrajo la in-
dios y poseen una mejor capacidad discriminatoria formación de los índices NBR y BAIm y de los
sobre otros índices espectrales (Bastarrika y Chu- datos auxiliares.
vieco, 2006; Chuvieco et al., 2002; Chuvieco et al.,
Análisis de separabilidad entre quemado y no2008; Heredia et al., 2003; Lasaponara, 2006; Lo-
boda et al., 2007; Martín, 1998; Martín et al., 2005; quemado
Roy et al., 2005).
En primer lugar se analizó la capacidad discrimi-
Muestreo de áreas quemadas y no quemadas natoria de los índices espectrales NBR y BAIm entre
zonas quemadas y no quemadas. Los datos se agru-
Para analizar la variabilidad de la señal quemada en paron según la ventana y según tipo de cobertura de
función de las diversas variables auxiliares de vege- suelo, con esto se pretende comprobar que zonas
tación y clima hemos realizado un muestreo aleato- presentaran mayores problemas para la discrimina-
rio estratificado sobre las zonas quemadas utilizando ción. La prueba seleccionada fue la llamada distan-
los perímetros que teníamos disponibles. Este tipo cia normalizada (D) (Kaufman y Remer, 1994), la
de muestreo permite asignar el número de muestras cual ha sido ampliamente utilizada en numerosos es-
Figura 6. Muestreo aleatorio para la extracción de información espectral. Realizado sobre imágenes MODIS. En la fi-
gura vemos un ejemplo en una ventana del centro del continente, de fondo una imagen del índice BAIm (2004241), donde
los tonos más claros representan valores más altos del índice.
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-71 57S. Opazo y E. Chuvieco
tudios de este ámbito (Bastarrika y Chuvieco, 2006; la componente de arbolado ya que existe una alta co-
Chuvieco et al., 2005; Garcia y Chuvieco, 2004; La- rrelación negativa con la componente de herbáceas
saponara, 2006; Martín, 1998; Pereira, 1999), la fór- (Pearson de -0,91) y el uso de una de ellas es sufi-
mula se define de acuerdo a: ciente en el análisis. La componente de arbolado fue
agrupada en percentiles del 20%. La componente
de suelo desnudo fue eliminada del análisis ya que,
como es lógico, no se queman zonas con poca vege-
(1) tación y la mayor parte de los puntos muestreados
coinciden con zonas de suelo desnudo menores al
10%. Las variables de agrupación utilizadas en las
Donde X2 y X1 corresponden a los valores medios pruebas estadísticas fueron tres, cada una dividida
de las áreas quemadas y no quemadas respectiva- en los grupos que vemos en la tabla 3. En el caso de
mente y S2 y S1 son las desviaciones típicas de las la variable climática se contó con cinco grupos que
mismas clases. Según este índice (D) los valores representan la variabilidad climática del continente,
mayores indican una separabilidad mejor, los valo- dos de la zona tropical (Aw y Am), dos de la zona
res más bajos indican que hay una mayor confusión templada (Cwa y Cwb) y uno de la zona fría (Bsk).
entre las clases. Luego del análisis visual de las gráficas realizadas
con las tres variables de agrupación se determinó re-
Análisis de variabilidad dentro de zonas quema- alizar pruebas estadísticas de comparación de me-
das dias. Esto permitió saber si las diferencias entre los
grupos eran significativas y de este modo seleccio-
Luego de realizar las pruebas de separabilidad entre nar las variables más apropiadas con el fin de gene-
áreas quemadas y no quemadas centramos el análi- rar el mapa de clases para la diferenciación de
sis en los datos obtenidos dentro de los perímetros umbral regional. En este sentido, de cara a utilizar
quemados con el objeto de verificar la existencia de el test más apropiado para estas comparaciones, se
variaciones significativas en el valor de los índices contrastó la normalidad de los índices (NBR y
NBR y BAIm en estas zonas. Con este propósito, BAIm) obtenidos sobre zonas quemadas utilizando
los valores de los índices se agruparon en función la prueba de Kolmogorov-Smirnov. Los resultados
de las coberturas antes descritas (variables de clima de esta prueba determinaron que los datos NBR y
y vegetación). Para simplificar los análisis estadís- BAIm extraídos dentro de los perímetros quemados
ticos se optó por la reclasificación de la variable de no se ajustaban al comportamiento de una distribu-
cobertura de suelo en tres grupos principales: co- ción normal, por lo que se decidió realizar pruebas
berturas arboladas, matorrales y coberturas herbá- no paramétricas para la comparación de medias. Es-
ceas. En el caso de la variable VCF se utilizó solo pecíficamente se seleccionó la prueba U de Mann-
Whitney.
Variable Grupos
1 Componente de arbolado (VCF) 0-12
13-17
18-23
24-29
>30
2 Climas Köppen Aw
Am
Bsk
Cwa
Cwb
3 Cobertura de Suelo (MOD12q1) Arbolada
Matorrales
Herbáceas
Tabla 3. Variables de agrupación utilizadas para las pruebas de comparación de medias
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-7158Cartografía de áreas quemadas en Sudamérica: detección de píxeles semilla
Generación del Mapa Auxiliar de Clases de Um- mas del continente. El análisis temporal permite en
brales Regionales (MACUR) primer lugar evaluar la existencia de un cambio im-
portante en la reflectividad después del incendio, por
Luego del análisis estadístico de las variables se se- lo que t debería ser mayor a t-1, en el caso de BAIm
leccionaron los grupos que mostraron diferencias y menor en el caso de NBR. En segundo lugar la
significativas en la prueba de Mann-Whitney. Es- comparación con las imágenes posteriores al incen-
pecíficamente, hemos considerado que existe dife- dio permitirá evaluar la persistencia de la señal que-
rencia entre los grupos cuando tienen un valor de mada en el tiempo, en este sentido las diferencias
significación inferior a 0,05 en ambos índices (NBR entre t, t+1 y t+2 deben ser leves, de lo contrario el
y BAIm), de lo contrario se consideran como gru- píxel no se considera como quemado. Con los datos
pos iguales. Finalmente, combinando los grupos de obtenidos se probaron tres tipos de comparaciones
las variables que mostraron diferencias significati- temporales, la diferencia simple (t – t-1), el cociente
vas se realizó el MACUR. (t / t-1) y la pendiente de cambio ( ∝). Esta última la
calculamos como:
Definición de los umbrales
La definición de los umbrales post incendio se re-
alizó tomando como referencia un grupo de mues-
tras aleatorias extraídas dentro de los perímetros de (2)
área quemada disponibles. En total se contó con
más de 400 perímetros distribuidos en distintas re-
giones de Sudamérica. Luego, para asignar un valor Donde:
de umbral diferenciado en cada clase del MACUR
se utilizó la media aritmética de la todas las muestras α = ángulo de la pendiente
obtenidas en cada una de ellas.
Para la definición de los umbrales temporales se ∆Indice = Índice posterior al incendio - Índice pre-
utilizaron los perímetros de área quemada con los vio al incendio
que se realizó una serie de extracciones temporales
en diversas ventanas representativas de los ecosiste- ∆ t = Intervalo de tiempo en días
Figura 7. Ángulo de la pendiente de cambio
Revista de Teledetección. ISSN: 1988-8740. 2009. 32: 50-71 59