Estudio de severidad y afección de cubiertas en el incendio de Marxuquera (Gandia) a partir de imágenes Sentinel 2

Abstract

[ES] Es necesario establecer sistemas de evaluación del impacto de un incendio y detección de las diferentes especies presentes en estas áreas que permitan diseñar un plan de actuación en función del índice de severidad del incendio, la vegetación y la ocupación del suelo. Se analizará la severidad del fuego en el incendio de agosto 2018 en la zona de Marxuquera (Valencia). Este proyecto tiene como objetivo aplicar imágenes del satélite Sentinel 2 para calcular el dNBR (Delta Normalized Burn Ratio) para la evaluación y seguimiento de dinámicas de regeneración de la superficie quemada. Para ello se aplicarán índices espectrales derivados de imágenes de satélite y calculados en diferentes fechas: anterior, posterior y pasado un periodo de 10 meses. Además, se utilizarán datos LIDAR para distinguir las diferentes cubiertas de vegetación afectada utilizando algoritmos aplicados a la nube de puntos 3D derivada del LIDAR del PNOA 2015. A continuación, se realizará una superposición de los resultados obtenidos entre ambas técnicas. Finalmente, se evaluará las clasificaciones realizadas a partir de la información geográfica del CORINE 2018 o SIOSE 2015. Los resultados finales se publicarán mediante Leaflet, biblioteca de código fuente abierta de JavaScript que se utiliza para crear aplicaciones de mapas web.

[EN] It is necessary to establish an evaluation system to quantify the impact of wildfires on the ecosystem and detect present species. This data can be used to make an action plan in accordance with the burn severity, the present vegetation and soil occupation. The severity of the wildfire in August 2018 in the Marxuquera (Valencia) zone will be analysed. The objectives of this project are to apply Sentinel 2 satellite images to calculate the dNBR (delta normalized burn ratio) and to monitor the dynamics of the post fire recovery. To do this, spectral indices derived from Sentinel 2 satellites, from different dates are calculated. More especially from before the fire, immediately afterwards and 10 month later. Moreover, a 3D LIDAR point cloud from PNOA 2015 is used to create a canopy model to identify the vegetational structure. This is complemented by spatial data from SIOSE 2015 and CORINE 2018. The final results will be published by Leaflet, an open source JavaScript library that is used to create web map applications.