- -

Potencial de las imágenes UAV como datos de verdad terreno para la clasificación de la severidad de quema de imágenes Landsat: aproximaciones a un producto útil para la gestión post incendio

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Potencial de las imágenes UAV como datos de verdad terreno para la clasificación de la severidad de quema de imágenes Landsat: aproximaciones a un producto útil para la gestión post incendio

Show simple item record

Files in this item

dc.contributor.author Pla, M. es_ES
dc.contributor.author Duane, A. es_ES
dc.contributor.author Brotons, L. es_ES
dc.coverage.spatial east=1.627507000000037; north=41.6196377; name=08711 Òdena, Barcelona, Espanya
dc.date.accessioned 2017-12-14T11:12:52Z
dc.date.available 2017-12-14T11:12:52Z
dc.date.issued 2017-12-05
dc.identifier.issn 1133-0953
dc.identifier.uri http://hdl.handle.net/10251/92783
dc.description Revista oficial de la Asociación Española de Teledetección
dc.description.abstract [EN] Mapping fire severity is determinant to understand landscape evolution after a wildfire and provides useful information for decision making during post fire management. Quantitative fire severity mapping from relative changes in Normalized Burn Ratio index (RdNBR) is not actually being incorporated into decision making processes, being more useful the categorization in severity levels (high, moderate and low). However, the most common mapping severity methodologies based on the definition of RdNBR thresholds from field information are not always possible due to lack of field data or because the published thresholds are unsatisfactory in new regions. The boom in the use of UAVs (Unmanned Aerial Vehicle) has raised these platforms as potential tools for validation of remote sensing data. This paper presents the potential of UAVs as ground truth information in forest fires. From the photointerpretation of high resolution RGB images, the Aerial Severity Proportion Index (ASPI) has been created. Non-linear regression models between RdNBR and ASPI allows to delimitate of thresholds for the classification of Landsat images and to obtain qualitative severity maps. Validation with random points presents a kappa index of 0,5 and a relative accuracy of 70,8%. Therefore, UAV images become a very useful tool for wildfire severity mapping and for fill the gap between remote sensing information and expensive field ground campaigns. es_ES
dc.description.abstract [ES] La cuantificación de la severidad de los incendios forestales es determinante para conocer la evolución del paisaje después de un incendio forestal y provee información de gran utilidad frente a la toma de decisiones en la gestión post incendio. La cartografía cuantitativa de severidad de incendios a partir de cambios relativos del índice Normalized Burn Ratio (RdNBR) no está siendo realmente incorporada en los procesos de toma de decisiones, siendo más utilizada la categorización en niveles de severidad (alta, mediana y baja). Sin embargo, las clasificaciones de severidad más comunes, basadas en la definición de umbrales de corte de RdNBR a partir de información de campo, no son siempre posibles por falta de datos de campo o bien porque los umbrales publicados resultan poco satisfactorios en localizaciones distintas a las de su calibración. El auge del uso de UAVs (Unmaned Aerial Vehicle) ha planteado estas plataformas como posible herramienta para la validación de información de satélite. En el presente trabajo se presenta la potencialidad de los UAV como información de verdad terreno en incendios forestales. A partir de la fotointerpretación de imágenes RGB de alta resolución se ha creado el índice ASPI (Aerial Severity Proportion Index), el cual, a partir de modelos de regresión no lineales con el índice RdNBR, permite delimitar umbrales para la clasificación de las imágenes Landsat y obtener un mapa cualitativo de severidad. La validación de los modelos de regresión entre RdNDR y ASPI a partir de puntos al azar muestra un índice kappa de 0,5 con un acierto relativo del 70,8%. Por lo tanto, las imágenes UAV son una herramienta muy útil para la clasificación de la severidad de incendios forestales y para rellenar la brecha existente entre la información proveniente de imágenes de satélite y las costosas campañas de campo. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València
dc.relation.ispartof Revista de Teledetección
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Severidad es_ES
dc.subject Incendios forestales es_ES
dc.subject Landsat es_ES
dc.subject UAV es_ES
dc.subject RdNBR es_ES
dc.subject Severity es_ES
dc.subject Wildfires es_ES
dc.title Potencial de las imágenes UAV como datos de verdad terreno para la clasificación de la severidad de quema de imágenes Landsat: aproximaciones a un producto útil para la gestión post incendio es_ES
dc.title.alternative Potential of UAV images as ground-truth data for burn severity classification of Landsat imagery: approaches to an useful product for post-fire management es_ES
dc.type Artículo es_ES
dc.date.updated 2017-12-14T08:37:54Z
dc.identifier.doi 10.4995/raet.2017.7140
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Pla, M.; Duane, A.; Brotons, L. (2017). Potencial de las imágenes UAV como datos de verdad terreno para la clasificación de la severidad de quema de imágenes Landsat: aproximaciones a un producto útil para la gestión post incendio. Revista de Teledetección. (49):91-102. doi:10.4995/raet.2017.7140 es_ES
dc.description.accrualMethod SWORD es_ES
dc.relation.publisherversion https://doi.org/10.4995/raet.2017.7140 es_ES
dc.description.upvformatpinicio 91 es_ES
dc.description.upvformatpfin 102 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.issue 49
dc.identifier.eissn 1988-8740


This item appears in the following Collection(s)

Show simple item record