- -

Cartografía de la afección y recuperación vegetal del incendio de Las Peñuelas en Moguer (Huelva) con imágenes satelitales. Año 2017

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Cartografía de la afección y recuperación vegetal del incendio de Las Peñuelas en Moguer (Huelva) con imágenes satelitales. Año 2017

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.author Vales, J.J. es_ES
dc.contributor.author Pino, I. es_ES
dc.contributor.author Granado, L. es_ES
dc.contributor.author Prieto, R. es_ES
dc.contributor.author Méndez, E. es_ES
dc.contributor.author Rodríguez, M. es_ES
dc.contributor.author Giménez de Azcárate, F. es_ES
dc.contributor.author Ortega, E. es_ES
dc.contributor.author Moreira, J. M. es_ES
dc.coverage.spatial east=-6.8369079; north=37.27464; name=Moguer, Huelva, Espanya es_ES
dc.date.accessioned 2021-01-20T14:22:23Z
dc.date.available 2021-01-20T14:22:23Z
dc.date.issued 2020-12-28
dc.identifier.issn 1133-0953
dc.identifier.uri http://hdl.handle.net/10251/159577
dc.description.abstract [EN] Deep knowledge of the regeneration processes after a forest fire is key to addressing their adverse environmental impacts, these are especially evident in the vegetation. In the post-fire environment context, the fire severity constitutes a critical variable that affects the ecosystem response in terms of vegetation recovery and hydrogeomorphological dynamics after the fire. Therefore, the severity accurate assessment is essential for the burned areas management because of it allows the identification of priority areas and, therefore, it helps to carry out recovery strategies and measures. The area of interest is located in the natural place of Las Peñuelas (Huelva), where a large fire took place on June 24, 2017 that affected almost 10 000 ha. The methodology was based on the calculation of the RBR (Relativized Burn Ratio) spectral index to estimate the severity of the fire, and the NDVI (Normalized Difference Vegetation Index) index to evaluate the recovery of vegetal vigor. For the work, images from the Sentinel-2 and Pleiades satellites, images acquired by UAV (Unmanned Aerial Vehicle) and field samplings were used. The result was a cartography showing the levels of recovery or degradation of the affected vegetation. es_ES
dc.description.abstract [ES] Conocer en profundidad los procesos de regeneración después de un incendio forestal es fundamental para afrontar las consecuencias adversas de éstos sobre el medio natural. En este contexto, la severidad del fuego constituye una variable crítica porque condiciona la respuesta del ecosistema en términos de regeneración vegetal y dinámica hidrogeomorfológica tras el incendio. Por tanto, su correcta evaluación es fundamental para la gestión de las zonas quemadas ya que permite priorizar las áreas de actuación y, por tanto, ayuda en la adopción de estrategias y medidas de recuperación. El área de trabajo está localizada en el paraje de Las Peñuelas (Huelva), donde tuvo lugar un gran incendio el 24 de junio de 2017 que afectó a unas 10 000 ha. La metodología se basó en el cálculo del índice espectral RBR (Relativized Burn Ratio) para la estimación de la severidad, y el índice NDVI (Normalized Difference Vegetation Index) para la evaluación de la recuperación del vigor vegetal. Para el trabajo se utilizaron imágenes procedentes de los satélite Sentinel-2 y Pléiades, fotografías adquiridas mediante UAV (Unmanned Aerial Vehicle), y muestreos de campo. El resultado fue una cartografía donde se muestran los niveles de recuperación o retroceso de la vegetación afectada. es_ES
dc.description.sponsorship En el marco de los trabajos del Grupo de Trabajo Científico-Técnico encargado de la restauración del incendio de “Las Peñuelas” 2017, este artículo ha sido posible gracias a la colaboración del Espacio Natural de Doñana, por su contribución en la recogida de datos en las distintas campañas de campo y sus aportaciones técnicas en relación con el conocimiento exhaustivo del ámbito afectado. Por otro lado, agradecemos a AMAYA y La Caixa la aportación de información procedente de la campaña de campo con dron. También queremos agradecer a AIRBUS Defence and Space su colaboración en la optimización de procesos operativos y administrativos para la adquisición de imágenes Pléiades por parte de Rediam. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Revista de Teledetección es_ES
dc.rights Reconocimiento - No comercial - Compartir igual (by-nc-sa) es_ES
dc.subject Forest fire es_ES
dc.subject INFOCA es_ES
dc.subject Burned area es_ES
dc.subject Fire severity es_ES
dc.subject Recovery of the vegetation es_ES
dc.subject RBR es_ES
dc.subject NDVI es_ES
dc.subject Incendio forestal es_ES
dc.subject INFOCA (Incendios Forestales Comunidad Andaluza) es_ES
dc.subject Área quemada es_ES
dc.subject Severidad del fuego es_ES
dc.subject Regeneración vegetal es_ES
dc.title Cartografía de la afección y recuperación vegetal del incendio de Las Peñuelas en Moguer (Huelva) con imágenes satelitales. Año 2017 es_ES
dc.title.alternative Damage Assessment and Recovery Mapping for the "Las Peñuelas" Wildfire, Moguer (Huelva). Satellite Imagery. Year 2017 es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.4995/raet.2020.13082
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Vales, J.; Pino, I.; Granado, L.; Prieto, R.; Méndez, E.; Rodríguez, M.; Giménez De Azcárate, F.... (2020). Cartografía de la afección y recuperación vegetal del incendio de Las Peñuelas en Moguer (Huelva) con imágenes satelitales. Año 2017. Revista de Teledetección. 0(57):79-94. https://doi.org/10.4995/raet.2020.13082 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.4995/raet.2020.13082 es_ES
dc.description.upvformatpinicio 79 es_ES
dc.description.upvformatpfin 94 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 0 es_ES
dc.description.issue 57 es_ES
dc.identifier.eissn 1988-8740
dc.relation.pasarela OJS\13082 es_ES
dc.description.references Bastarrika, A., Chuvieco, E., Martín, M.P. 2011. Mapping burned areas from Landsat TM/ETM+ data with a two-phase algorithm: balancing omission and commission errors. Remote Sens. Environ., 115, 1003-1012. https://doi.org/10.1016/j.rse.2010.12.005 es_ES
dc.description.references Blackburn, G.A., Milton, E.J. 1995. Seasonal variations in the spectral reflectance of deciduous tree canopies. International Journal of Remote Sensing, 16, 709-720. https://doi.org/10.1080/01431169508954435 es_ES
dc.description.references Cansler, C.A., McKenzie, D. 2012. How Robust Are Burn Severity Indices When Applied in a New Region? Evaluation of Alternate Field-Based and Remote-Sensing Methods. Remote Sensing, 4(12), 456-483. https://doi.org/10.3390/rs4020456 es_ES
dc.description.references Carpintero, I., Montoya, G., Granado, L., Méndez, E., Pino, I., Prieto, R., Vales, J.J., Salas, F.J.,Venegas, J., Cáceres, F., Moreira, J.M., Giménez de Azcárate, F. 2017. Cartografía de la afección del incendio en Huesa, Quesada y Cabra de Santo Cristo (Jaén) con imágenes satelitales. Nuevas plataformas y sensores aplicados a la gestión del Agua, la Agricultura y el Medio Ambiente. XVII Congreso de la Asociación Española de Teledetección, 181-184. es_ES
dc.description.references Chavez, P.S. Jr. 1996. Image-based atmospheric corrections-revisited and revised. Photogrammetric Engineering and Remote Sensing, 62(9):1025-1036. es_ES
dc.description.references Chuvieco, E., Riaño, D., Danson, F.M., Martin, P. 2006. Use of radiactive tranfer model to simulate the postfire spectral response to burn severity. Journal of Geophysical Research, 111. https://doi.org/10.1029/2005JG000143 es_ES
dc.description.references Consejería de Agricultura, Ganadería, Pesca y Desarrollo Sostenible. Informe ejecutivo del incendio de Las Peñuelas Moguer (Huelva). es_ES
dc.description.references De Santis, A. et al. 2007. Burn severity estimation from remotely sensed data: Performance of simulation versus empirical models. Remote Sensing of Environment, 108(4), 422-435. https://doi.org/10.1016/j.rse.2006.11.022 es_ES
dc.description.references Dedios-Mimbela N.J. 2006. Análisis de diferentes métodos de clasificación de una imagen de satélite para caracterizar la superficie afectada por incendio forestal en ecosistemas de bosque. Servicio Nacional de Meteorología e Hidrología SENAMHI. es_ES
dc.description.references Díaz-Delgado, R., Pons, X. 2003. Análisis comparativo de diferentes cartografías de incendios forestales. Revista de Teledetección, 20, 11-15. es_ES
dc.description.references Doblas-Miranda, E., Martínez-Vilalta, J., Lloret, F., Álvarez, A., Ávila, A., Bonet, F.J., Brotons, L., Castro, J., Curiel Yuste, J., Díaz, M., Ferrandis, P., García-Hurtado, E., Iriondo, J.M., Keenan, T.F., Latron, J., Llusià, J., Loepfe, L., Mayol, M., Moré, G., Moya, D., Peñuelas, J., Pons, X., Poyatos, R., Sardans, J., Sus, O., Vallejo, V.R., Vayreda, J., Retana, J. 2015. Reassessing global change research priorities in mediterranean terrestrial ecosystems: how far have we come and where do we go from here? Global Ecology and Biogeography, 24(1), 25-43. https://doi.org/10.1111/geb.12224 es_ES
dc.description.references Escuin, S., Navarro, R., Fernández, P. 2008. Fire severity assessment by using NBR (Normalized Burn Ratio) and NDVI (Normalized Difference Vegetation Index) derived from LANDSAT TM/ETM images, International Journal of Remote Sensing, 29(4), 1053-1073. https://doi.org/10.1080/01431160701281072 es_ES
dc.description.references Fleiss, J.L., Cohen, J., Everitt, B.S. 1969. Large sample standard errors of kappa and wighted kappa. Psychologycal Bulletin, 72, 323-327.https://doi.org/10.1037/h0028106 es_ES
dc.description.references Gamon, J.A., Field, C.B., Goulden, M.L., Griffin, K.L., Hartley, A.E., Joel, G., Peñuelas, J., Valentini, R. 1995. Relationships between NDVI, canopy, structure and photosynthesis in three Californian vegetation types. Ecological Applications, 5, 28-41. https://doi.org/10.2307/1942049 es_ES
dc.description.references García-Martínez, E., Pérez-Cabello, F. 2015. Análisis de la regeneración vegetal mediante imágenes Landsat-8 y el producto MCD15A2 de MODIS: el caso del incendio de O Pindo (Galicia). En Análisis espacial y representación geográfica: innovación y aplicación. Universidad de Zaragoza - AGE (2015): 621-630. es_ES
dc.description.references Granado, L., Pino, I., Vales, J.J., Prieto, R., Méndez, E., Rodríguez, M., Giménez de Azcárate, F., Ortega, E., Moreira, J.M. 2019. Cartografía de la recuperación vegetal del incendio de Las Peñuelas en Moguer (Huelva) con imágenes satelitales. En Hacia una visión del cambio climático. XVIII Congreso de la Asociación Española de Teledetección. Valladolid, España, 24-27 septiembre. pp. 155-158. ISBN: 978-84-1320-038-5. es_ES
dc.description.references Justice, C.O., Townshend, J.R.G., Holben, B.N., Tucker, E.C. 1985. Analysis of the phenology of global vegetation using meteorological satellite data. International Journal of Remote Sensing, 6, 1271-1318. https://doi.org/10.1080/01431168508948281 es_ES
dc.description.references Junta de Andalucía. Boletin Oficial de la Junta de Andalucía. Ley 5/1999, de 29 de junio, de Prevención y Lucha contra los Incendios Forestales. https://juntadeandalucia.es/boja/1999/82/1 es_ES
dc.description.references Key, C.H., Benson, N. 2005. Landscape assessment: ground measure of severity, the Composite Burn Index; and remote sensing of severity, the Normalized Burn Ratio. Fort Collins, CO: U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station. es_ES
dc.description.references Key, C.H. 2006. Ecological and sampling constraints on defining landscape fire severity. Fire Ecology, 2, 34-59. https://doi.org/10.4996/fireecology.0202034 es_ES
dc.description.references Malak, D.A., Pausas, J.G., Pardo-Pascual, J.E., Ruiz, L.A. 2015. Fire Recurrence and the Dynamics of the Enhanced Vegetation Index in a Mediterranean Ecosystem. International Journal of Applied Geospatial Research, 6(2), 18-35. https://doi.org/10.4018/ijagr.2015040102 es_ES
dc.description.references Manzo-Delgado, L., López-García, J. 2013. Detección de áreas quemadas en el sureste de México, utilizando índices pre y post-incendio NBR y BAI, derivados de compuestos MODIS", GeoFocus, 13(2), 66-83. ISSN: 1578- 5157. es_ES
dc.description.references Miller, J.D., Yool, S.R. 2002. Mapping forest post-fire canopy consumption in several overstory types using multi-temporal Landsat TM and ETM data. Remote Sensing of Envairoment, 82, 481-496. https://doi.org/10.1016/S0034-4257(02)00071-8 es_ES
dc.description.references Montorio, R., Pérez-Cabello, F., García-Martín, A., Vlassova, L., de la Riva-Fernández, J. 2014. La severidad del fuego: Revisión de conceptos, métodos y efectos ambientales. En: José Arnáez, Penélope González-Sampériz, Teodoro Lasanta y Blas L. Valero Garcés (eds.). Geoecología, cambio ambiental y paisaje: homenaje al profesor José María García Ruiz. Logroño: Instituto Pirenaico de Ecología (CSIC): Universidad de La Rioja, España. es_ES
dc.description.references Parks, S.A., Dillon, G.K., Miller, C. 2014. A new metric for Quantifying burn severity: The relativized burn ratio. Remote Sensing, 6, 1827-1844. https://doi.org/10.3390/rs6031827 es_ES
dc.description.references Pereira, J.M.C., Sa, A.C.L., Sousa, A.M.O., Silva, J.M.N., Santos, T.N., Carreiras, J.M.B. 1999. Spectral characterisation and discrimination of burnt areas. In: E. Chuvieco (Ed.). Remote Sensing of Large Wildfires in the European Mediterranean Basin. Springer-Verlag, Berlin. 123-138. https://doi.org/10.1007/978-3-642-60164-4_7 es_ES
dc.description.references Plan de restauración de los montes públicos afectados por el incendio forestal de Las Peñuelas 2017: sector occidental del Parque Natural de Doñana, Coto Mazagón y ordenados de Moguer. Consejería de Agricultura, Ganadería, Pesca y Desarrollo Sostenible. Junta de Andalucía. Septiembre 2019. es_ES
dc.description.references Quintano, C., Fernández-Manso, A., Roberts, D.A. 2013. Multiple Endmember Spectral Mixture Analysis (MESMA) to map burn severity levels from Landsat images in Mediterranean countries. Remote Sensing of Environment, 136, 76-88. https://doi.org/10.1016/j.rse.2013.04.017 es_ES
dc.description.references Roughgarden, J.S.W., Running, S.W., Matson, P.A. 1991. What does remote sensing do for ecology? Ecology, 72, 1918-1922. https://doi.org/10.2307/1941546 es_ES
dc.description.references Stehman, S. V, Czaplewski, R.L. 1998. Design and Analysis for Thematic Map Accuracy Assessment - an application of satellite imagery. Remote Sensing of Environment, 64, 331-344. https://doi.org/10.1016/S0034-4257(98)00010-8 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem