Resumen de Evaluación de un algoritmo para detección de áreas quemadas en bosques de Canarias

José Rafael García Lázaro , José Andrés Moreno Ruiz, Manuel Arbelo Pérez , Isabel María del Águila Cano

• español

  Se aplicó un clasificador bayesiano, inicialmente desarrollado y validado con éxito para la detección de áreas quemadas en regiones de bosque boreal usando el conjunto de datos LTDR (Long-Term Data Record) de 0,05º (~5 km) de resolución espacial, a una serie temporal de imágenes diarias Terra-MODIS de zonas forestales de Monteverde y Pinar de las Islas Canarias para el periodo 2002-2012. A partir de los dos productos MODIS, MOD09GQ (250 m) y MOD11A1 (1 km), que representan las imágenes diarias de reflectancia y temperatura de superficie respectivamente, se construyeron compuestos de 10 días mediante el criterio de máxima temperatura. Las variables estadísticas utilizadas en el clasificador bayesiano fueron los índices de vegetación GEMI y BBFI, junto con la banda espectral NIR, todos ellos relativos al año anterior y al año de ocurrencia del incendio. Se crearon polígonos de referencia de los 14 incendios mayores de 100 hectáreas identificados en el periodo analizado, utilizando conjuntamente imágenes LANDSAT post-fuego e información oficial de la base de datos nacional de incendios forestales del Ministerio de Agricultura, Alimentación y Medio Ambiente (MAGRAMA). El algoritmo de detección se entrenó usando un incendio producido en el sur de Tenerife en julio de 2012 que afectó a más de 6000 ha. Los resultados muestran que 13 de los 14 incendios registrados en ese periodo en el conjunto de las Islas Canarias, fueron detectados. El área total quemada detectada supone un 64,9% de los datos de referencia del MAGRAMA y un 78,6% según los datos obtenidos a partir de las imágenes LANDSAT. La aplicación de la metodología propuesta podría mejorar estos resultados considerando otros criterios de composición, índices de vegetación, variables estadísticas y/o región de entrenamiento, que mejor caractericen la respuesta espectral de la dinámica de la cobertura forestal de las Islas Canarias afectada por el fuego.

• English

  A Bayesian classifier was applied to a time series of Terra-MODIS daily images of Monteverde and Pinar Forest areas of the Canary Islands for the period 2002-2012. This classifier had initially been developed and successfully validated for the detection of burned areas in the boreal forest regions using the data set LTDR (Long-Term Data Record) with 0.05º (~5 km) of spatial resolution. From the two MODIS products, MOD09GQ (250 m) and MOD11A1 (1 km), which represent the daily images of surface reflectance and temperature respectively, 10-day composites were built up using the criterion of maximum temperature. The statistical variables used in the Bayesian classifier were the vegetation indices GEMI and BBFI, along with NIR spectral band, all relating to the previous year and the year of occurrence of the fire. The reference polygons of the 14 fires greater than 100 hectares identified in the analyzed period were created using post-fire LANDSAT imagery together with the official information from the national database of wildfires of the Spanish Ministry of Agriculture, Food and Environment (MAGRAMA). The detection algorithm was trained using a fire in the south of Tenerife in July 2012 that affected more than 6000 ha. The results show that 13 of the 14 fires in that period in the whole of the Canary Islands were detected. The detected total burned area was 64.9% of the MAGRAMA reference data and 78.6% according to data obtained from the LANDSAT images. Application of the proposed methodology could improve these results by considering other criteria of composition, vegetation indices, statistical variables and/or training region, which best characterize the spectral response of the dynamics of forest cover in the Canary Islands affected by fire.