- -

Delimitación de áreas quemadas en Chile a partir de umbrales dNBR ajustados según región y cubiertas del suelo

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Delimitación de áreas quemadas en Chile a partir de umbrales dNBR ajustados según región y cubiertas del suelo

Mostrar el registro sencillo del ítem

Ficheros en el ítem

Thumbnail
Nombre: SanchezBrionesGamboa ...
Tamaño: 3.210Mb
Formato: PDF
Descripción: Versión editorial
Abrir
dc.contributor.author Sánchez, Raimundo es_ES
dc.contributor.author Briones, María José es_ES
dc.contributor.author Gamboa, Alexis es_ES
dc.contributor.author Monsalve, Rafaella es_ES
dc.contributor.author Berroeta, Denis es_ES
dc.contributor.author Valenzuela, Luis es_ES
dc.coverage.spatial east=-71.542969; north=-35.675147; name=Chile es_ES
dc.date.accessioned 2023-02-07T08:54:15Z
dc.date.available 2023-02-07T08:54:15Z
dc.date.issued 2023-01-30
dc.identifier.issn 1133-0953
dc.identifier.uri http://hdl.handle.net/10251/191686
dc.description.abstract [EN] The delimitation of burned areas is an important step for the study of forest fires, and the use of satellite remote sensing allows a scalable methodology. Previous studies use a dNBR threshold to determine the presence of burned areas, but this threshold is affected by vegetation variability determined by the geography of the study area and land use coverage. For them, the difference in the normalized index of burned areas (dNBR) was used to study the mega fires that affected the central zone of Chile in the summer of 2017. An automated methodology was developed that, based on satellite images and polygons of the burned areas provided by the National Forestry Corporation of Chile (CONAF) generates a set of dNBR thresholds differentiated by administrative region and land use. The application of differentiated dNBR thresholds significantly improves the accuracy of the burnt area delimitation model, although it does not achieve satisfactory results for all land uses. This methodological advance will make it possible to improve the design and control of policies for the prevention, conservation and restoration of ecosystems affected by forest fires. es_ES
dc.description.abstract [ES] La delimitación de áreas quemadas es un paso importante para el estudio de incendios forestales, y el uso de teledetección satelital permite una metodología escalable. Estudios previos utilizan un umbral de dNBR para determinar la presencia de áreas incendiadas, pero este umbral se ve afectado por la variabilidad vegetacional determinada por la geografía del área de estudio y la cobertura de uso de suelos. Por ello, se utilizó la diferencia del índice normalizado de áreas quemadas (dNBR) para estudiar los mega incendios que afectaron la zona central de Chile en el verano de 2017. Se desarrolló una metodología automatizada que a partir de imágenes satelitales y de polígonos de las áreas incendiadas provistos por la Corporación Nacional Forestal de Chile (CONAF) genera un set de umbrales de dNBR diferenciados por región administrativa y uso de suelo. La aplicación de umbrales de dNBR diferenciados permite mejorar significativamente la precisión del modelo de delimitación de áreas quemadas, aunque no logra resultados satisfactorios para todos los usos de suelo. Este avance metodológico permitirá mejorar el diseño y fiscalización de políticas de prevención, conservación y restauración de ecosistemas afectados por incendios forestales. es_ES
dc.description.sponsorship Los autores quisieran agradecer a CONAF por todo el apoyo entregado durante el desarrollo de este proyecto. También agradece el apoyo de la Fundación Data Observatory (DO) y del Centro de Estudios de Conflicto y Cohesión Social (COES) ANID/FONDAP/1513009. 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 DNBR es_ES
dc.subject Landsat-8 es_ES
dc.subject Mega fire es_ES
dc.subject Multispectral images es_ES
dc.subject Burn severity es_ES
dc.subject Area delimitation es_ES
dc.subject Mega incendio es_ES
dc.subject Imágenes multiespectrales es_ES
dc.subject Severidad de incendios es_ES
dc.subject Delimitación de áreas es_ES
dc.title Delimitación de áreas quemadas en Chile a partir de umbrales dNBR ajustados según región y cubiertas del suelo es_ES
dc.title.alternative Delimitation of burned areas in Chile based on dNBR thresholds adjusted according to region and land cover es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.4995/raet.2023.18155
dc.relation.projectID info:eu-repo/grantAgreement/COES//ANID%2FFONDAP%2F1513009 es_ES
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Sánchez, R.; Briones, MJ.; Gamboa, A.; Monsalve, R.; Berroeta, D.; Valenzuela, L. (2023). Delimitación de áreas quemadas en Chile a partir de umbrales dNBR ajustados según región y cubiertas del suelo. Revista de Teledetección. (61):43-58. https://doi.org/10.4995/raet.2023.18155 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.4995/raet.2023.18155 es_ES
dc.description.upvformatpinicio 43 es_ES
dc.description.upvformatpfin 58 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.issue 61 es_ES
dc.identifier.eissn 1988-8740
dc.relation.pasarela OJS\18155 es_ES
dc.contributor.funder Centro de Estudios de Conflicto y Cohesión Social, Chile es_ES
dc.description.references Arellano, S., Vega, J.A., Rodríguez, F., Fernández, C., Vega-Nieva, D., Ruiz-González, A.D. 2017. Validación de los índices de teledetección dNBR y RdNBR para determinar la severidad del fuego en el incendio forestal de Oia-O Rosal (Pontevedra) en 2013. Revista de Teledetección, (49), 49-61. https://doi.org/10.4995/raet.2017.7137 es_ES
dc.description.references Balocchi, F., Flores, N., Neary, D., White, D.A., Silberstein, R., de Arellano, P.R. 2020. The effect of the 'Las Maquinas' wildfire of 2017 on the hydrologic balance of a high conservation value Hualo (Nothofagus glauca (Phil.) Krasser) forest in central Chile. Forest Ecology and Management, 477, 118482. https://doi.org/10.1016/j.foreco.2020.118482 es_ES
dc.description.references Barbosa, P.M., Stroppiana, D., Grégoire, J.M., Cardoso Pereira, J.M. 1999. An assessment of vegetation fire in Africa (1981-1991): Burned areas, burned biomass, and atmospheric emissions.Global Biogeochemical Cycles, 13(4), 933-950. https://doi.org/10.1029/1999GB900042 es_ES
dc.description.references Botella-Martínez, M.A., Fernández-Manso, A. 2017. Estudio de la severidad post-incendio en la Comunidad Valenciana comparando los índices dNBR, RdNBR y RBR a partir de imágenes Landsat 8. Revista de Teledetección, (49), 33-47. https://doi.org/10.4995/raet.2017.7095 es_ES
dc.description.references Bowman, D.M., Moreira-Muñoz, A., Kolden, C.A., Chávez, R.O., Muñoz, A.A., Salinas, F.,... Johnston, F.H. 2019. Human-environmental drivers and impacts of the globally extreme 2017 Chilean fires. Ambio, 48(4), 350-362. https://doi.org/10.1007/s13280-018-1084-1 es_ES
dc.description.references Cai, L., Wang, M. 2022. Is the RdNBR a better estimator of wildfire burn severity than the dNBR? A discussion and case study in southeast China. Geocarto International, 37(3), 758-772. https://doi.org/10.1080/10106049.2020.1737973 es_ES
dc.description.references Castillo-Soto, M.E. 2012. The identification and assessment of areas at risk of forest fire using fuzzy methodology. Applied Geography, 35(1-2), 199-207. https://doi.org/10.1016/j.apgeog.2012.07.001 es_ES
dc.description.references Chuvieco, E., Mouillot, F., Van der Werf, G.R., San Miguel, J., Tanase, M., Koutsias, N.,... Giglio, L. 2019. Historical background and current developments for mapping burned area from satellite Earth observation. Remote Sensing of Environment, 225, 45-64. https://doi.org/10.1016/j.rse.2019.02.013 es_ES
dc.description.references Chuvieco, E., Congalton, R.G. 1988. Mapping and inventory of forest fires from digital processing of TM data. Geocarto International, 3(4), 41-53. https://doi.org/10.1080/10106048809354180 es_ES
dc.description.references Corporación Nacional Forestal (CONAF) 2017. Análisis de la Afectación y Severidad de los Incendios Forestales ocurridos en enero y febrero de 2017 sobre los usos de suelo y los ecosistemas naturales presentes entre las regiones de Coquimbo y Los Ríos de Chile. Informe Técnico. 56 p. Santiago, Chile. es_ES
dc.description.references Curtis, P.G., Slay, C.M., Harris, N.L., Tyukavina, A., Hansen, M.C. 2018. Classifying drivers of global forest loss. Science, 361(6407), 1108-1111. https://doi.org/10.1126/science.aau3445 es_ES
dc.description.references Delegido, J., Pezzola, A., Casella, A., Winschel, C., Urrego, P., Jimenez-Munoz, J.C.,... & Moreno, J. 2018. Estimación del grado de severidad de incendios en el sur de la provincia de Buenos Aires, Argentina, usando Sentinel-2 y su comparación con Landsat-8. Revista de Teledetección, (51), 47-60. https://doi.org/10.4995/raet.2018.8934 es_ES
dc.description.references Dice, L.R. 1945. Measures of the amount of ecologic association between species. Ecology, 26(3), 297-302. https://doi.org/10.2307/1932409 es_ES
dc.description.references Duncan, B.N., Martin, R.V., Staudt, A.C., Yevich, R., Logan, J.A. 2003. Interannual and seasonal variability of biomass burning emissions constrained by satellite observations. Journal of Geophysical Research: Atmospheres, 108(D2), ACH-1. https://doi.org/10.1029/2002JD002378 es_ES
dc.description.references Fassnacht, F.E., Schmidt-Riese, E., Kattenborn, T., Hernández, J. 2021. Explaining Sentinel 2-based dNBR and RdNBR variability with reference data from the bird's eye (UAS) perspective. International Journal of Applied Earth Observation and Geoinformation, 95, 102262. https://doi.org/10.1016/j.jag.2020.102262 es_ES
dc.description.references Garreaud, R.D., Alvarez-Garreton, C., Barichivich, J., Boisier, J.P., Christie, D., Galleguillos, M.,... Zambrano-Bigiarini, M. 2017. The 2010- 2015 megadrought in central Chile: Impacts on regional hydroclimate and vegetation. Hydrology and earth system sciences, 21(12), 6307-6327. https://doi.org/10.5194/hess-21-6307-2017 es_ES
dc.description.references Giglio, L., Randerson, J.T., Van der Werf, G.R., Kasibhatla, P.S., Collatz, G.J., Morton, D.C., DeFries, R.S. 2010. Assessing variability and longterm trends in burned area by merging multiple satellite fire products. Biogeosciences, 7(3), 1171-1186. https://doi.org/10.5194/bg-7-1171-2010 es_ES
dc.description.references Giglio, L., Randerson, J.T., Van Der Werf, G.R. 2013. Analysis of daily, monthly, and annual burned area using the fourth-generation global fire emissions database (GFED4). Journal of Geophysical Research: Biogeosciences, 118(1), 317-328. https://doi.org/10.1002/jgrg.20042 es_ES
dc.description.references Giglio, L., Boschetti, L., Roy, D.P., Humber, M.L., Justice, C.O. 2018. The Collection 6 MODIS burned area mapping algorithm and product. Remote sensing of environment, 217, 72-85. https://doi.org/10.1016/j.rse.2018.08.005 es_ES
dc.description.references González, M.E., Sapiains, R., Gómez-González, S., Garreaud, R., Miranda, A., Galleguillos, M.,... & Castillo, I. 2020. Incendios forestales en Chile: causas, impactos y resiliencia. Centro de Ciencia del Clima y la Resiliencia (CR), 2. es_ES
dc.description.references Key, C.H., Benson, N.C. 2006. Landscape assessment (LA). In: Lutes, Duncan C., Keane, Robert E., Caratti, John F., Key, Carl H., Benson, Nathan C., Sutherland, Steve, Gangi, Larry J. 2006. FIREMON: Fire effects monitoring and inventory system. Gen. Tech. Rep. RMRS-GTR-164-CD. Fort Collins, CO: US Department of Agriculture, Forest Service, Rocky Mountain Research Station. p. LA-1-55, 164. es_ES
dc.description.references Handke, M. 2019. La (des) contextualización del conocimiento geográfico en el manejo del riesgo de incendios forestales en Chile como un desafío para la gobernanza. Revista de Geografía Norte Grande, (74), 65-91. https://doi.org/10.4067/S0718-34022019000300065 es_ES
dc.description.references Heredia, Á., Martínez, S., Quintero, E., Piñeros, W., Chuvieco, E. 2003. Comparación de distintas técnicas de análisis digital para la cartografía de áreas quemadas con imágenes Landsat ETM+. GeoFocus. Revista Internacional de Ciencia y Tecnología de la Información Geográfica, (3), 216-234. es_ES
dc.description.references Ito, A., Penner, J.E. 2004. Global estimates of biomass burning emissions based on satellite imagery for the year 2000. Journal of Geophysical Research: Atmospheres, 109(D14). https://doi.org/10.1029/2003JD004423 es_ES
dc.description.references Lentile, L.B., Holden, Z.A., Smith, A.M., Falkowski, M.J., Hudak, A.T., Morgan, P.,... Benson, N.C. 2006. Remote sensing techniques to assess active fire characteristics and post-fire effects. International Journal of Wildland Fire, 15(3), 319-345. https://doi.org/10.1071/WF05097 es_ES
dc.description.references Llorens, R., Sobrino, J.A., Fernández, C., FernándezAlonso, J.M., Vega, J.A. 2021. A methodology to estimate forest fires burned areas and burn severity degrees using Sentinel-2 data. Application to the October 2017 fires in the Iberian Peninsula. International Journal of Applied Earth Observation and Geoinformation, 95, 102243. https://doi.org/10.1016/j.jag.2020.102243 es_ES
dc.description.references Michalijos, M.P., Uboldi, J. 2013. Propuesta metodológica para la evaluación de áreas afectadas por incendios mediante el uso de imágenes satelitales (Sierra de la Ventana, Argentina). Revista de Geografía Norte Grande, (56), 223-234. https://doi.org/10.4067/S0718-34022013000300012 es_ES
dc.description.references Milne, A.K. 1986. The use of remote sensing in mapping and monitoring vegetational change associated with bushfire events in Eastern Australia. Geocarto International, 1(1), 25-32. https://doi.org/10.1080/10106048609354022 es_ES
dc.description.references Miranda, A., Mentler, R., Moletto-Lobos, Í., Alfaro, G., Aliaga, L., Balbontín, D.,... Urrutia, V. 2022. The Landscape Fire Scars Database: mapping historical burned area and fire severity in Chile. Earth System Science Data, 14(8), 3599-3613. https://doi.org/10.5194/essd-14-3599-2022 es_ES
dc.description.references Mouillot, F., Field, C.B. 2005. Fire history and the global carbon budget: a 1× 1 fire history reconstruction for the 20th century. Global Change Biology, 11(3), 398-420. https://doi.org/10.1111/j.1365-2486.2005.00920.x es_ES
dc.description.references Mouillot, F., Narasimha, A., Balkanski, Y., Lamarque, J.F., Field, C.B. 2006. Global carbon emissions from biomass burning in the 20th century.Geophysical Research Letters, 33(1). https://doi.org/10.1029/2005GL024707 es_ES
dc.description.references Mouillot, F., Schultz, M.G., Yue, C., Cadule, P., Tansey, K., Ciais, P., Chuvieco, E. 2014. Ten years of global burned area products from spaceborne remote sensing-A review: Analysis of user needs and recommendations for future developments. International Journal of Applied Earth Observation and Geoinformation, 26, 64-79. https://doi.org/10.1016/j.jag.2013.05.014 es_ES
dc.description.references Peña, M.A., Martinez, G. 2021. Mapping damage on forests burnt in Central Chile by modelling ex-ante and ex-post spectral indices. BOSQUE, 42(2), 205-215. https://doi.org/10.4067/S0717-92002021000200205 es_ES
dc.description.references Pérez Mato, J. 2017. Autonomous wildfire geolocation system based on thermographic and synthetic vision techniques. Doctoral dissertation. https://accedacris.ulpgc.es/jspui/handle/10553/26207). es_ES
dc.description.references Perilla, G.A., Mas, J.F. 2020. Google Earth Engine (GEE): una poderosa herramienta que vincula el potencial de los datos masivos y la eficacia del procesamiento en la nube. Investigaciones geográficas, (101). https://doi.org/10.14350/rig.59929 es_ES
dc.description.references Roy, D.P., Boschetti, L., Smith, A.M. 2013. Satellite remote sensing of fires. Fire phenomena and the Earth system: An interdisciplinary guide to fire science, 77-93. https://doi.org/10.1002/9781118529539.ch5 es_ES
dc.description.references Sánchez, A. 2003. Geografía de Chile. Editorial Bibliográfica Internacional, Santiago de Chile. es_ES
dc.description.references Santana, O.J., Hernández-Sosa, D., Martz, J., Smith, R.N. 2020. Neural network training for the detection and classification of oceanic mesoscale eddies. Remote Sensing, 12(16), 2625. https://doi. org/10.3390/rs12162625 es_ES
dc.description.references Schroeder, W., Oliva, P., Giglio, L., Csiszar, I.A. 2014. The New VIIRS 375 m active fire detection data product: Algorithm description and initial assessment. Remote Sensing of Environment, 143, 85-96. https://doi.org/10.1016/j.rse.2013.12.008 es_ES
dc.description.references Smith, R.B., Woodgate, P.W. 1985. Appraisal of fire damage and inventory for timber salvage by remote sensing in mountain ash forests in Victoria. Australian Forestry, 48(4), 252-263. https://doi.org/10.1080/00049158.1985.10674453 es_ES
dc.description.references Úbeda, X., Sarricolea, P. 2016. Wildfires in Chile: A review. Global and Planetary Change, 146, 152-161. https://doi.org/10.1016/j.gloplacha.2016.10.004 es_ES
dc.description.references van der Werf, G.R., Randerson, J.T., Giglio, L., Collatz, G.J., Kasibhatla, P.S., Arellano Jr, A.F. 2006. Interannual variability in global biomass burning emissions from 1997 to 2004. Atmospheric Chemistry and Physics, 6(11), 3423-3441. https://doi.org/10.5194/acp-6-3423-2006 es_ES
dc.description.references Villagra, P., Paula, S. 2021. Wildfire management in Chile: Increasing risks call for more resilient communities. Environment: Science and Policy for Sustainable Development, 63(3), 4-14. https://doi.org/10.1080/00139157.2021.1898891 es_ES


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

Mostrar el registro sencillo del ítem