Show simple item record

dc.contributor.advisorChuvieco Salinero, Emilio 
dc.contributor.authorDe Santis, Angela
dc.date.accessioned2008-11-06T11:42:42Z
dc.date.available2008-11-06T11:42:42Z
dc.date.issued2008
dc.identifier.urihttp://hdl.handle.net/10017/2147
dc.descriptionPremio Extraordinario de Doctorado 2010es
dc.description.abstractLa mayor parte de los estudios de teledetección y severidad del fuego actualmente disponibles están basados en ajustes empíricos, apoyados en parcelas de campo tomadas poco después del incendio (Cocke et al., 2005; Epting et al., 2005; Miller and Yool, 2002; van Wagtendonk et al., 2004). Los modelos empíricos son relativamente sencillos de calcular, pero tienen poca capacidad de generalización, ya que consideran las condiciones locales donde se ajustó el modelo. Por esta razón, planteamos como objetivo general de esta tesis doctoral desarrollar una metodología alternativa a los estudios empíricos, que fuera semi-automática y generalizable de cara a estimar los niveles de severidad a corto plazo a partir de datos de satélite. La metodología propuesta se basa en el uso de modelos de simulación de transferencia radiativa (RTM), que intentan estimar la reflectividad procedente de una determinada cubierta a partir una serie de asunciones físicas (Jacquemoud et cubierta a partir una serie de asunciones físicas (Jacquemoud et al., 1996). Cuando estos modelos se usan de modo directo, pueden variarse los parámetros de entrada del modelo para simular el efecto que esos parámetros tienen sobre la reflectividad que medimos con teledetección. Esto ayuda a entender mejor la acción de esos factores (características bioquímicas de la hoja, cantidad, distribución geométrica, reflectividad del suelo, etc.). Estos modelos también pueden usar en modo inverso, lo que permite estimar los mismos factores de entrada a partir de la reflectividad observada por el sensor, habitualmente manteniendo algunos constantes o extrayéndolos de otras fuentes (Jacquemoud et al., 2000). Hasta el momento, los RTMs no se han aplicado extensamente al análisis de áreas quemadas, orientándose los pocos trabajos publicados a la determinación de quemado/no quemado (Pereira et al., 2004; Roy et al., 2002). Solo Chuvieco et al. (2006) plantearon el uso de modelos de simulación en modo directo para la cartografía de niveles de severidad, mediante un enlace entre dos modelos, de hoja (PROSPECT; Jacquemoud, 1990) y de dosel (Kuusk; Kuusk, 2001), empleados para simular diversos escenarios de daño. Continuando en esta línea, iniciamos nuestra tesis doctoral, que pretendía explorar las posibilidades de inversión de estos modelos, y compararlos con los resultados de ajustes empíricos sobre zonas de vegetación mediterránea. Para abordar este objetivo general, se definieron cinco objetivos específicos, tal como se detallan en la tabla 1. En primer lugar (objetivo I, tabla 1), se comparó la precisión en la estimación de la severidad de los modelo empíricos tradicionales con el modelo de simulación propuesto por Chuvieco et al. (2006, primer escenario). Este estudio confirmó que los modelos de simulación permiten una mejor estimación de la severidad sobre todo para valores de daño muy bajo y muy altos. Sin embargo, para valores intermedios ambas técnicas presentaban errores considerables. En consecuencia, planteamos como segundo objetivo (tabla 1) intentar mejorar el modelo de simulación existente, para mejorar la estimación de los rangos intermedios de severidad. Para ello, se extendió la simulación presentada en Chuvieco et. al. (2006) incluyendo un rango más amplio de escenarios y condiciones de entrada. Se simularon cinco escenarios distintos: 1. Sencillo: se asume que el incendio provoca simultáneamente la consumición de las hojas y su cambio de color (de verde a marrón). 2. Extendido: se supone que el fuego puede o consumir las hojas, o hacerles cambiar de color o las dos cosas al mismo tiempo. 3. Multitemporal: se modelan cambios en color de las hojas y cobertura a partir de condiciones iniciales fijadas. 4. Supervisado: se seleccionan las combinaciones de parámetros de entrada más comunes, basándose en la experiencia de campo. Los mejores resultados se obtuvieron con este último escenario, aunque todavía se registraron importantes errores de sub-estimación. Para intentar resolver estos problemas, se siguieron, por lo tanto, dos líneas paralelas: a.Por un lado (objetivo III, tabla 1), se modificó el índice de campo para que se ajustara mejor a la validación/calibración de métodos que utilizan imágenes de satélite. b.Por otro (objetivo IV, tabla 1), se propuso emplear un nuevo modelo de simulación, con un componente geométrico (GeoSail; Huemmrich, 2001). Se comprobó que el nuevo índice de referencia para estimar severidad (que denominamos GeoCBI) se ajusta mejor a la reflectividad registrada por los sensores remotos y representa una buena referencia para poder validar las técnicas de estimación de severidad que utilizan imágenes de satélite. Por su parte, las nuevas simulaciones basadas en el modelo Prospect-Geosail muestran un muy buen ajuste en tres áreas de estudio, recientemente afectadas por grandes incendios, lo que confirma que la inversión del modelo de simulación es la técnica más adecuada para estimar la severidad en el rango continuo del índice de campo (entre 0 y 3). Por último (objetivo V, tabla 1), se identificó del sensor comercial más adecuado para la estimación de la severidad. Para ello, se llevó a cabo un ensayo con imágenes de cinco distintos sensores (SPOT 5, Landsat TM, AWIFS, MERIS y MODIS) en el mismo incendio. Finalmente, el Landsat TM resultó ser el sensor más adecuado, ya que representa el mejor compromiso entre resolución espectral y espacial. Cada objetivo específico ha dado lugar a publicaciones en revistas con sistema de revisión externo (tabla 1). En conclusión, en esta tesis doctoral se ha identificado y desarrollado una nueva técnica que permite estimar la severidad con mejor ajuste respecto a las técnicas tradicionales, además se ha validado en tres aéreas distintas (en España y Portugal), se ha propuesto un nuevo índice de campo y se ha identificado el sensor comercial más apropiado para la estimación de la severidad.es
dc.format.mimetypeapplication/pdfen
dc.language.isospaen
dc.subjectIncendios forestaleses
dc.subjectTeledetecciónes
dc.subjectMétodos de simulaciónes
dc.subjectGeografía regionales
dc.titleBurn severity estimation from remotely sensed data using simulation modelsen
dc.typeinfo:eu-repo/semantics/doctoralThesisen
dc.subject.ecienciaHUMANIDADESes
dc.subject.ecienciaGeografíaes
dc.subject.ecienciaGeographyen
dc.contributor.affiliationUniversidad de Alcalá. Departamento de Geografía
dc.type.versioninfo:eu-repo/semantics/acceptedVersionen
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessen


Files in this item

Thumbnail

This item appears in the following Collection(s)