Repositorio Institucional de Documentos
Abstract
El presente trabajo tiene como objetivo destacar las capacidades y potencialidades que presenta el sensor MODIS para la caracterización de zonas incendiadas mayores de 500 has de la comunidad de Aragón en el periodo 2000-2010. En particular, se centra en la monitorización de la dinámica de la vegetación tras el evento y la evaluación de la severidad con la que el fuego ha calcinado el espacio. La metodología empleada se ha basado en la descarga, pre-tratamiento básico y extracción de datos de las imágenes de diversos productos derivados. Por un lado, se estudió la evolución temporal de los índices de vegetación NDVI y EVI a distintas resoluciones espaciales, la temperatura superficial o LST y los índices de área foliar y fracción de radiación activa fotosintética (LAI y FPAR). Estas dos últimas variables incluyeron en el análisis un conjunto de incendios antiguos (1975-2000). Por otro lado, se elaboró un modelo de cálculo de NBR y dNBR, para generar la cartografía de severidad. Las principales conclusiones obtenidas son: a) la gran aplicabilidad de los productos de índices de vegetación sobre todo a 250 m de resolución para grandes incendios regionales (> 500 has), b) las limitaciones que presentan los datos de LST en cuanto a omisión y mezclado de información, c) buenos resultados en la cartografía de la severidad de la quema para los incendios regionales y, d) estimación básica y aproximada del quinquenio de ocurrencia de un incendio en base a unos valores medios de FPAR y LAI determinados. Jiménez Ruano, Adrián; Pérez Cabello, Fernando
Full text
Repositorio de la Universidad de Zaragoza – Zaguan http://zaguan.unizar.es TRABAJO FIN DE MÁSTER APLICABILIDAD DE LAS IMÁGENES MODIS PARA LA CARACTERIZACIÓN DE ZONAS AFECTADAS POR INCENDIOS FORESTALES EN ARAGÓN Autor: Adrián Jiménez Ruano Director: Fernando Pérez Cabello Máster Universitario en Tecnologías de la información geográfica para la ordenación del territorio: sistemas de información geográfica y teledetección Noviembre de 2013 Departamento de Geografía y Ordenación del Territorio
1 Resumen El presente trabajo tiene como objetivo destacar las capacidades y potencialidades que presenta el sensor MODIS para la caracterización de zonas incendiadas mayores de 500 has de la comunidad de Aragón en el periodo 2000-2010. En particular, se centra en la monitorización de la dinámica de la vegetación tras el evento y la evaluación de la severidad con la que el fuego ha calcinado el espacio. La metodología empleada se ha basado en la descarga, pre-tratamiento básico y extracción de datos de las imágenes de diversos productos derivados. Por un lado, se estudió la evolución temporal de los índices de vegetación NDVI y EVI a distintas resoluciones espaciales, la temperatura superficial o LST y los índices de área foliar y fracción de radiación activa fotosintética (LAI y FPAR). Estas dos últimas variables incluyeron en el análisis un conjunto de incendios antiguos (1975-2000). Por otro lado, se elaboró un modelo de cálculo de NBR y dNBR, para generar la cartografía de severidad. Las principales conclusiones obtenidas son: a) la gran aplicabilidad de los productos de índices de vegetación sobre todo a 250 m de resolución para grandes incendios regionales (> 500 has), b) las limitaciones que presentan los datos de LST en cuanto a omisión y mezclado de información, c) buenos resultados en la cartografía de la severidad de la quema para los incendios regionales y, d) estimación básica y aproximada del quinquenio de ocurrencia de un incendio en base a unos valores medios de FPAR y LAI determinados. Palabras Clave: MODIS, incendios forestales, NDVI, EVI, temperatura superficial, severidad de quema, LAI, fPAR Aragón. Abstract This paper aims to highlight the capabilities and potentialities which exhibits the MODIS sensor in order to show the characteristics of burned areas over 500 hectares on the community of Aragon between 2000-2010. In particular, it focuses on the monitorization of the vegetation dynamics after the event and the evaluation of severity with which the fire has burned the area. The methodology is based on the discharge, basic pretreatment and extraction of data from images of various products. On one hand, we studied the temporal evolution of vegetation indices NDVI and EVI at different spatial resolutions, or LST surface temperature and leaf area index and fraction of photosynthetically active radiation (LAI and FPAR). These last two variables included a set of ancient fires in the analysis (1975-2000). On the other hand, a model of NBR and DNBR calculation was developed to generate the severity mapping. The main findings are: a) the wide applicability of the products of vegetation indices mostly 250 m resolution for large regional fires (> 500 ha.), b) the limitations of LTS data as a result of mixing and omission of information, c) good results in burn severity mapping for regional fires and, d) Basic and approximate estimation of occurrence in 15-years time of a fire based on certain FPAR and LAI average values. Key Words: MODIS, forest fires, NDVI, EVI, surface temperature, burn severity, LAI, fPAR Aragón.
2 Índice 1. Introducción y contenidos ........................................................................ 3 2. Objetivos .............................................................................................. 3 3. Área de estudio ...................................................................................... 4 4. El sensor MODIS .................................................................................... 5 4.1. Los índices de vegetación (productos MOD13A2 y MOD13Q1) ............... 10 4.2. La temperatura superficial (producto MOD11A2) ................................. 13 4.3. El índice de área foliar y la fracción de radiación activa fotosintética (producto MCD15A2) ............................................................................. 14 5. Metodología ......................................................................................... 17 5.1. Selección de incendios forestales ...................................................... 18 5.2. Descarga y tratamiento de productos MODIS ...................................... 20 5.3. Estimación y cartografía de la severidad del incendio ........................... 21 5.4. Seguimiento de la dinámica postfuego ............................................... 24 5.5. Obtención del LAI - FPAR ................................................................. 25 6. Análisis de resultados ........................................................................... 27 6.1. Análisis de la severidad ................................................................... 27 6.2. Análisis de la evolución de la vegetación en el postfuego ...................... 29 6.2.1. Los índices de vegetación ........................................................... 29 6.2.2. La temperatura superficial .......................................................... 33 6.4. Análisis del LAI y FPAR .................................................................... 35 7. Conclusiones ....................................................................................... 43 8. Glosario .............................................................................................. 44 9. Referencias bibliográficas ......................................................................... 45 10. Agradecimientos ................................................................................. 47 ANEXO I ................................................................................................. 48 ANEXO II ................................................................................................ 51
3 1. INTRODUCCIÓN Y CONTENIDOS Los incendios forestales se han convertido en las últimas décadas en uno de los problemas con mayor impacto medioambiental y socioeconómico sobre los ecosistemas mediterráneos. Según el Ministerio de Medio Ambiente (2010) que recoge estadística de incendios desde 1961, entre los años 60 y 1974 el número de incendios anual en España era inferior a 5.000 y en muchos casos no pasaba de los 2.000. Sin embargo, sobre todo a partir de 1989 hasta 2005, el número de incendios anual ha sido siempre superior a 12.000, llegando hasta los 25.000 incendios en el año 1995 (Bisquert, 2011). En los últimos años (2005-2010), se ha producido una tendencia hacia la estabilización con cifras inferiores a las de las décadas precedentes. Debido a la mayor frecuencia y virulencia de los incendios, se hace necesario establecer métodos de monitorio de su severidad y pronosticar la evolución de las zonas quemadas. Para conseguir este propósito, la teledetección desde satélite constituye una de las técnicas más utilizadas, gracias a que proporciona una cobertura espacial y temporal suficientemente detallada, con información espectral sensible para separar áreas quemadas de otro tipo de coberturas. (Chuvieco et al., 2001) En el caso concreto de Aragón y según datos de la Estadística General de Incendios Forestales (EGIF), el número de incendios forestales sigue una tendencia notablemente creciente, sobre todo desde el año 1968, cuando comenzaron a documentarse de manera sistemática. Hasta la fecha los diversos estudios sobre incendios han recurrido en mayor medida al uso de imágenes Landsat ya que dentro del gran número de satélites disponibles el proyecto Landsat ha sido y sigue siendo el más empleado en este contexto. Sin embargo, en el uso de MODIS no se han desarrollado tantos trabajos, al menos en el caso Aragón. Por ello, el presente trabajo pretende centrarse en el estudio multitemporal de diversos productos derivados y combinados del sensor MODIS para caracterizar la severidad de la quema en las zonas incendiadas de más de 100 hectáreas de Aragón, durante el periodo de 2000 a 2010. Asimismo, se estudiará la evolución de la vegetación tras el suceso mediante el uso de índices de vegetación (NDVI y EVI), temperatura superficial (LST) y los índices de fPAR y LAI, proporcionados ya directamente por el sensor. 2. OBJETIVOS Como ya se ha indicado, el objetivo principal de este proyecto es caracterizar las zonas afectadas por incendios forestales en el sector occidental de la Comunidad Autónoma y en las provincias de Huesca y Zaragoza, a partir de las imágenes del sensor MODIS, concretamente con diversos productos derivados: índice de vegetación, temperatura superficial, entre otros, para el periodo temporal comprendido entre el año 2000 y 2010. Entre los objetivos secundarios se encuentran los siguientes: Extracción y tratamiento de los datos MODIS disponibles para las zonas ya identificadas. Estimación y cartografía de la severidad del incendio. Seguimiento de la dinámica postfuego de la vegetación, incluyendo su análisis multitemporal y de cambios. Evaluación de la aplicabilidad y operatividad de los productos derivados de MODIS para la consecución de los objetivos planteados. Este proyecto se inserta en las líneas de trabajo del grupo de investigación GEOFOREST de la Universidad de Zaragoza (Departamento de Geografía y Ordenación del Territorio e Instituto Universitario de investigación en Ciencias Ambientales), por lo que se valdrá de los resultados de proyectos anteriores realizados por miembros del equipo.
4 3. ÁREA DE ESTUDIO Se va a realizar el análisis sobre la Comunidad Autónoma de Aragón, la cual constituye una región diversa desde el punto de vista paisajístico y biogeográfico. En este último aspecto Aragón destaca por la coexistencia de dos regiones biogeográficas: la Eurosiberiana y la Mediterránea. Ambas poseen ambientes contrastados y especies propias, siendo una de las características generales la riqueza y diversidad de paisajes y especies. A ello se une la variedad de situaciones topográficas y altitudinales que favorecen la presencia de la totalidad de los pisos bioclimáticos de las dos regiones biogeográficas (Longares Aladrén, 2004) Figura 1. Mapa de localización de Aragón. Asimismo, el reparto de estos dos ambientes en el territorio de interés es desigual, ya que el porcentaje de superficie que ocupa la región mediterránea es claramente superior a la eurosiberiana. Esta última queda recluida en las estribaciones montañosas pirenaicas. La región eurosiberiana en Aragón se caracteriza por presentar formaciones boscosas intercaladas con pastizales y herbazales de alta montaña. Se puede apreciar claramente una distribución en pisos de vegetación (nival, alpino y subalpino) mientras que el montano contacta de forma más difusa con los pisos superiores mediterráneos. El piso nival y alpino se caracteriza por vegetación especializada al escaso suelo (líquenes y musgos), herbáceas y rastreras donde destacan especies relícticas como Dryas octopetala. Por su parte el piso subalpino, se configura como un conjunto heterogéneo de pastizales, matorrales y bosques. Destacando los pinares de Pinus uncinata con matorrales de Rhododendron ferrugineum y Vaccinium myrtilius. Asimismo, en los sectores más húmedos encontramos abedules, álamos temblones, serbales y sauces; y en las partes más bajas aparecen el abeto, el tejo y el fresno. Por otra parte, en las solanas abundan los enebros (Juniperus communis subsp alpina) y sabinas rastreras (Juniperus sabina) junto con el Pinus sylvestris, el erizón, el piorno, el boj (Buxus sempervirens). Los pastizales de Festuca eskia y F. paniculata abundan como consecuencia de la desaparición natural o antrópica del bosque. En el piso montano, los protagonistas son el haya, el abeto, el hayedo-abetal, pinares y quejigales, junto a pastos antrópicos. Asimismo, existen comunidades planifolios-caducifolios ocupando pequeños enclaves microclimáticos en fondos de arroyos y barrancos. El resto del territorio está dominado por la región mediterránea y ya que en el trabajo nos ceñiremos a las provincias de Huesca y Zaragoza, nos centraremos únicamente en la Depresión del Ebro, Somontanos pirenaico e ibérico y en valles de los ríos de la margen derecha del Ebro. En este sector predomina el matorral medio y bajo, predominando lo romerales junto a enebrales y a matorrales adaptados a suelos yesosos, nitrófilos y halófilos. Las principales formaciones
5 boscosas están representadas por quercíneas así como con pinar xérico (Pinus halepensis y P. nigra) y sabinares. Lo más característico de este ambiente es el carrascal, acompañado a veces con el quejigo, así como la combinación del pino carrasco con la coscoja en los ambientes más xéricos y por debajo de los 500 m. Desde el punto de vista climático, uno de los rasgos más característicos de la región es la aridez. Esto provoca que los datos pluviométricos medios no superen normalmente los 400 mm en el sector central, aunque se produce un aumento moderado de los totales a medida que nos aproximamos a los bordes montañosos. Además, otra constante habitual es la irregularidad de las precipitaciones, lo cual da lugar a años muy secos, alternando con otros lluviosos. En lo que respecta a las temperaturas, destaca su diversidad como consecuencia de los contrastes altitudinales. Ello provoca altos contrastes entre las tierras bajas, más cálidas, y las vertientes montañosas, con valores más bajos. Otra principal característica está protagonizada por las fuertes oscilaciones entre el invierno y el verano, provocando que las estaciones intermedias apenas sean perceptibles. Por último, hay que destacar la importante presencia climática que adquiere en extensas áreas de Aragón el viento, en particular el cierzo. 4. EL SENSOR MODIS El sensor MODIS, según sus siglas en inglés, es un espectro-radiómetro de imágenes de media resolución que por sus características espaciales y espectrales es uno de los más importantes para el monitoreo de procesos de cambio terrestres. Fue creado por un equipo científico interdisciplinario con una vasta experiencia en sensores remotos y una de sus principales ventajas es que sus datos son distribuidos gratuitamente en diferentes portales de internet. MODIS está trasportado en dos plataformas: Terra o EOS-AM y Aqua o EOS-PM. La primera fue lanzada en diciembre de 1999 y la segunda, en mayo de 2002. La órbita de ambas plataformas es heliosincrónica y cuasi-polar con una inclinación de 98,2º y 98º y una altitud media de 708 y 705 km respectivamente. Terra está programada para pasar de norte a sur cruzando el ecuador sobre las 10:30 h de la mañana, por su parte Aqua pasa de sur a norte sobre el ecuador a la 13:30 h de la tarde. MODIS cuenta con una sensibilidad radiométrica alta (12 bits) y su mecanismo de barrido se compone de un espejo móvil que oscila perpendicularmente a la dirección de la trayectoria de la plataforma con un ángulo de aproximadamente 55 º que permite explorar una franja de terreno con un ancho de unos 2.330 km. Su principal objetivo es medir los procesos biológicos y físicos a nivel global en intervalos temporales de 1 a 2 días. Proporciona imágenes en 36 bandas discretas (véase tabla 1) que van desde los 0,405 a 14,5 µm, con tres resoluciones espaciales diferentes: de 250 m para 2 bandas, 500 m para 5 bandas o 1 km para las 29 restantes. Las bandas de la 1 a la 7 están especializadas en aplicaciones terrestres, las bandas de la 8 a la 16 se centran en las observaciones oceánicas y las bandas de la 17 a la 19 para mediciones de la atmósfera. Por otra parte, las bandas comprendidas entre la 20 y la 36, son las diseñadas para captar la fracción del infrarrojo térmico del espectro. Según GarcíaMora y Mas, la aplicación de los datos MODIS varían desde la detección y el monitorio de incendios, estado actual y cambios de la cobertura terrestre, albedo, monitoreo del clima, hasta prevención de desastre naturales y epidemiología. Para ello las plataformas Terra y Aqua disponen de diferentes sensores, que obtienen diversos tipos de información con las mismas condiciones atmosféricas, ángulos de iluminación y observación y permitiendo asimismo la intercalibración entre sensores.
6 Tabla 1. Características de las bandas espectrales del sensor MODIS (Fuente: MODIS WebSite, 2013). Uso principal Banda1 Longitud de onda1 Radiancia espectral Superficie/Temperatura nubes 20 3.660 - 3.840 0.45(300K) 21 3.929 - 3.989 2.38(335K) 22 3.929 - 3.989 0.67(300K) 23 4.020 - 4.080 0.79(300K) Temperatura atmosférica 24 4.433 - 4.498 0.17(250K) 25 4.482 - 4.549 0.59(275K) Nubes cirros Vapor de agua 26 1.360 - 1.390 6.00 27 6.535 - 6.895 1.16(240K) 28 7.175 - 7.475 2.18(250K) Propiedades nubes 29 8.400 - 8.700 9.58(300K) Ozono 30 9.580 - 9.880 3.69(250K) Superficie/Temperatura nubes 31 10.780 - 11.280 9.55(300K) 32 11.770 - 12.270 8.94(300K) Altitud tope nubes1 33 13.185 - 13.485 4.52(260K) 34 13.485 - 13.785 3.76(250K) 35 13.785 - 14.085 3.11(240K) 36 14.085 - 14.385 2.08(220K) 1 Bandas entre la 1 y la 19 están en nm, bandas entre la 20 y la 36 están en µm. 1 Los valores de Radiancia espectral están expresados en (W/ m2 /µm /sr). Uso principal Banda1 Longitud de onda1 Radiancia espectral Superficie/Nubes/Límites Aerosoles 1 620 - 670 21.8 2 841 - 876 24.7 Superficie/Nubes/Propiedades Aerosoles 3 459 - 479 35.3 4 545 - 565 29.0 5 1230 - 1250 5.4 6 1628 - 1652 7.3 7 2105 - 2155 1.0 Color del Océano Fitoplancton Biogeoquímica 8 405 - 420 44.9 9 438 - 448 41.9 10 483 - 493 32.1 11 526 - 536 27.9 12 546 - 556 21.0 13 662 - 672 9.5 14 673 - 683 8.7 15 743 - 753 10.2 16 862 - 877 6.2 Vapor de agua atmosférico 17 890 - 920 10.0 18 931 - 941 3.6 19 915 - 965 15.0
7 Una de las principales ventajas de los productos MODIS es que representan un enorme avance en el nivel de procesamiento al que se les ha sometido (existen un total de 4 niveles generales y 8 subniveles) gracias al uso de algoritmos muy específicos que generan productos de alta calidad debido a que ya incluyen las correcciones del efecto atmosférico, radiométricas y geométricas. Concretamente, en este trabajo se emplearán productos de los dos niveles de mayor procesamiento: L3 y L4. En el nivel 3, se incluyen productos de valor añadido que derivan de variables geofísicas cartografiadas. Incluso en ocasiones, se remuestrea a una menor resolución espacial y se elaboran compuestos de intervalos de tiempo (como 8 y 16 días). En nuestro caso los productos que se ha utilizado de este nivel han sido los índices de vegetación, la temperatura de superficie y los índices fPAR y LAI. El nivel 4 aglutina productos generados a partir de la utilización de modelos que incorporan datos MODIS para estimar variables geofísicas. Además se recurre a productos del nivel L2 y datos auxiliares. El índice de área foliar y la fracción de radiación activa fotosintética ha sido uno de los productos que se ha usado de este nivel. Otro de los aspectos más característicos de los productos MODIS es la inclusión de información sobre a la calidad de los mismos. Por lo general, un archivo HDF MODIS contiene varios conjuntos de datos científicos (Science Data Sets, SDS), una o más capas de control de calidad, y los metadatos. Concretamente se trata de metadatos conformados por índices sobre la calidad (Quality Assessment, QA) del producto o archivo en su conjunto y para cada uno de los píxeles de la imagen. Esta información adicional consiste en una síntesis estadística de ciertos atributos, así como una declaración sobre el control de calidad del producto. El control de calidad constituye un proceso bastante complejo y laborioso que incluye la evaluación y documentación de la calidad científica de todos los productos MODIS. Aportan información sobre el grado de fiabilidad en la estimación del dato, acierto en las correcciones, presencia de nubes, aerosoles, vapor de agua, ozono, etc. No obstante, algunas de las fuentes más comunes de error en la calidad de los datos provienen de la aparición de bandeado en los datos de reflectividad superficial, errores de geolocalización atribuidas a las maniobras de los instrumentos, problemas derivados de la máscara de nubes, entre otros. Por ello, es recomendable consultar esta información de calidad antes de utilizar los datos. Dado el gran número de productos de MODIS, las dependencias existentes entre ellos y los diferentes procedimientos de calidad que se aplican en ellos, es difícil proporcionar una descripción genérica y un enfoque aplicable a todos. De forma general, el control de calidad se genera durante la producción o en el post-control de calidad y la codificación de esta banda de calidad de los productos viene cifrada en palabras sueltas y códigos numéricos. La mayoría de estos controles son automáticos y existen dos fuentes de información de control de calidad que se pueden y deben consultarse: Metadatos a nivel de archivo. Estos resumen la calidad del conjunto de los datos de ese archivo. Incluyen metadatos adicionales de atributos (un porcentaje general de calidad y una evaluación específica para diversas variables), control de calidad a nivel de gránulo o imagen (incluyen las estadísticas QA y los indicadores QA o “Flags QA”, además de recoger porcentajes en evaluaciones basadas en la cobertura nubosa, datos perdidos, interpolaciones y datos extremos). Otros metadatos que se aportan son los de cabecera del archivo HDF y el archivo XML externo.
8 Metadatos a nivel de pixel. Son los más valiosos y se distinguen dos tipos de implementaciones en función del tipo de pixel. El primero incluye una SDS de control de calidad que contiene varias fuentes de información realizadas a través de una codificación binaria. El segundo consiste en un SDS con una sola fuente de información, como por ejemplo, el grado de fiabilidad de píxeles en los índices de vegetación. Todos los productos MODIS contienen uno más SDS, fundamentales para comprender, analizar e interpretar la calidad del píxel. La nomenclatura usada en las bandas de calidad suele ser QA, Band Quality o QC, dependiendo del tipo de producto. Existen dos métodos para aportar parámetros científicos de la calidad a nivel de píxel: Una representación binaria de combinaciones de bits que caracterizan a los atributos de calidad particulares. Una palabra de control de calidad que representa una fuente información resumida sobre la calidad general de una variable. Existen dos tipos de metadatos de control de calidad a nivel de pixel que varían según el producto. Control de calidad global (MODLAND). Aporta 1 ó 2 bits genéricos de control de calidad para cada pixel. Su propósito es proporcionar una interpretación uniforme de calidad de todos los productos de MODIS. A partir de la colección 5, algunos productos MODLAND se redujeron a un solo bit genérico, que refleja la evolución del algoritmo. No obstante, los productos seleccionados en este trabajo: como la temperatura superficial terrestre (LST), la reflectividad superficial o los índices de vegetación conservaron los 2 bits de QA, ya que siguen siendo relevantes en estos productos. Ello es debido a que el segundo bit describe la condición en la cual un pixel no se produjo debido a la presencia de nubes u otros efectos. Véase tabla 2. Tabla 2. Control de calidad a nivel de pixel de todos los productos MODIS de la colección 4. Código por pixel Interpretación 00 Pixel con buena calidad, no es necesario examinar más detalles. 01 Pixel con dudosa o incuantificable calidad, se recomienda examinar detalladamente la calidad. 10 Píxel no producido debido a efectos de la nubosidad 11 Píxel no producido por otras razones Control de calidad específico. Este segundo tipo de metadatos aborda una variedad de atributos y condiciones característicos que constituyen elementos del producto. Por ejemplo, aquellos productos con un error significativo en las estimaciones (incertidumbres en la estimación de píxeles y/o rangos: es el caso de estimaciones del error en la estimación de la temperatura superficial). Por lo tanto, para cada producto se almacena información referente a la influencia que los factores externos tienen sobre la calidad y consistencia del producto final. Estos datos incluyen las condiciones atmosféricas (como la cobertura de nubes), el tipo de superficie (costa, océano, humedales, aguas continentales, etc.), exploración, solar y la geometría de visualización. Además, se añade si los datos auxiliares dinámicos o estimaciones de copia de seguridad se han utilizado como entrada, por ejemplo, el uso de
15 El algoritmo de estos dos parámetros consiste en un procedimiento de explotación de la información espectral de un máximo de hasta 7 bandas del sensor MODIS, las centralizadas en los 648 nm, 858 nm, 470 nm, 555 nm, 1240 nm y 2130 nm. En el caso de que el algoritmo principal falle, se activa un algoritmo de copia de seguridad o auxiliar (back-up) utilizando índices de vegetación. El proceso requiere una clasificación de las cubiertas terrestres que es compatible con el modelo de transferencia radiativa utilizado en su obtención. Por tanto, el algoritmo tiene interfaces con las reflectividades superficiales de dos productos diferentes: MOD09 y MOD12, así como de datos auxiliares (ver tabla 9). El primer producto (MOD09) se sintetiza tras una fase de procesamiento de datos, donde se combinan dos bandas de reflectividad (1 y 2 del sensor) y los ángulos solares, obteniendo un producto derivado con el código MODAGAGG, que ya recoge el paso de reflectividades a 250 o 500 metros de resolución, a la normalizada y corregida de 1 km. El segundo, MOD12Q1 utiliza 6 biomasas o ecosistemas modelos: pastos y cultivos cerealísticos, arbustos, cultivos de hoja ancha, sabana, bosques de hoja ancha y bosques de coníferas. Tabla 9. Relación de entradas, variables y productos necesarios para el cálculo del algoritmo de LAI-fPAR. En tercer lugar, se encuentran el conjunto de datos auxiliares, los cuales aglutinan información muy útil referida al modelo de transferencia radiativa, los patrones de clasificación de las cubiertas, las propiedades ópticas de la hoja y las soluciones a un conjunto de problemas relacionados con la incertidumbre y las soluciones aceptables de los cálculos. En este sentido, el problema más común viene dado por la recuperación de los datos de LAI y fPAR tras haber aplicado la corrección atmosférica (BRDF o Función de Distribución de Reflectancia Bidireccional). Ya que el algoritmo compara lo observado en el terreno con un conjunto de estructuras de dosel y patrones de suelo representativos de condiciones naturales esperadas. Es común que los patrones de dosel-suelo existentes y la corrección BRDF observada difieran de forma igual o menor que la incertidumbre, aunque son considerados soluciones aceptables. Por tanto, son los valores medios de LAI y fPAR los que se utilizan como solución y su dispersión como el grado de incertidumbre en la recuperación. Entrada Código Variables utilizadas Reflectividad superficial agregada a 1 km MODAGAGG Reflectividad superficial. Reflectancias de las bandas 1 y 2 (3, 4, 5, 6, 7) Nota: las bandas en negrita son las usadas, y las bandas entre paréntesis, pueden ser utilizadas pero aún no forman parte de la producción. Ángulos: Sensor solar y azimut y ángulos cenitales (grados) para cada banda. Definición global de cobertura de suelo trimestral a 1 km MOD12Q1 Land_Cover_Type_3, cobertura de suelo de 6 biomas o ecosistemas (recolección 4) Datos auxiliares MOD15_ANC_RIx.hdf Coeficientes de transferencia radiativa, tablas de búsqueda de algoritmo y propiedades de variables de salida.
16 Si el problema antes planteado tiene una solución única para un conjunto dado de reflectividad, significa que LAI o fPAR coincide con esta solución y su dispersión es igual a cero. Si se permiten múltiples soluciones, el algoritmo proporcionará una media ponderada de acuerdo con la frecuencia de ocurrencia de un valor dado. A la hora de separar la contribución del suelo a la reflectividad observada del dosel y dividir la trasferencia tridimensional de la radiación en cubiertas vegetales complejas se detectan dos sub-problemas. El campo de radiación en el follaje calculada para una superficie de color negro. El campo de radiación en el mismo medio (con superficie de color negro), pero generada por fuentes anisotrópicas ubicadas en la parte inferior del dosel vegetal. Estos sub-problemas se resuelven siguiendo los términos de los tres componentes básicos de la ley de conservación energética: trasmitancia, reflectancia y absorción del dosel vegetal. Estos tres elementos vienen recogidos en las tablas de consulta y el algoritmo interactúa solo con ellos siguiendo un modelo tridimensional. El modelo tridimensional se sustenta en cuatro principios: (a) un algoritmo de recuperación, ya que usa cualquier modelo de radiación del dosel probado en el terreno, (b) la convergencia del algoritmo, donde cuanto más precisa sea la información disponible, más fiable será el algoritmo, (c) simpleza del algoritmo usando el modelo particular de radiación del dosel y, (d) uso sinérgico de la información espectral y angular. Este producto tiene la particularidad de que posee una especie de máscara o conjunto de píxeles donde ya se ha hecho una primera clasificación de la cobertura existente, asignándoles un código específico en función del tipo de ocupación detectada. 254 para saladares o aguas interiores, 253 para suelos con escasa vegetación (roca, desierto, etc.), 252 para nieves perpetuas y hielo, 251 para humedales permanentes y marismas, 250 para suelo urbano o edificado y 249 para los no clasificados.
17 5. METODOLOGÍA En el siguiente apartado se exponen los diferentes pasos y tareas desarrollados en el proyecto, desde la obtención de la base de datos y perímetros de referencia, selección de los perímetros de interés, pasando por la descarga e importación de los diversos productos del sensor, el proceso de extracción de la información sobre las variables de interés, no sin antes haber sometido a las imágenes de MODIS a un procesamiento o preparación básicos. Asimismo, se comentarán los diferentes análisis considerados y tratamiento de los datos obtenidos, así como los inconvenientes que presentan. Figura 3. Esquema sintético del proceso metodológico realizado en el presente trabajo. Obtención de base de datos y perímetros de incendios Selección de perímetros de interés Descarga e importación de productos MODIS Procesamiento básico imágenes (Renombramiento, reproyección, cortado, etc.) Extracción y reescalado de variables y datos de interés Análisis de resultados (gráficas, mapas de severidad, generación modelo NBR, correlación de LAI-fPAR, etc.)
18 5.1. Selección de incendios forestales El primer paso consistió en seleccionar los incendios objeto de estudio a partir de la base de datos y cartografía de incendios forestales de la comunidad de Aragón para el periodo 20002010. Esta fuente fue desarrollada por miembros del grupo de GEOFOREST proyecto (CaixaDGA, GA-LC-042/2011) Los criterios de selección de los perímetros fueron por un lado, centrarse de todo el conjunto de incendios digitalizados, en aquellos cuya superficie calcinada fuera superior a las 100 hectáreas y pertenecieran al tile 17h y 4v. Por tanto, se seleccionaron un total de 24 perímetros calcinados repartidos entre las provincias de Zaragoza y Huesca, (véase tabla 9 y figura 3), por lo que aquellos restantes que no llegaron a ese límite fueron desestimados. Tabla 9. Relación de incendios forestales de Aragón entre 2000 y 2010 (> 100 has.). Fecha Municipio/os afectado /os Nº de hectáreas 25/08/2000 Luesia 139 26/08/2000 Las Peñas de Riglos - Longás 289 26/08/2000 Sabiáñigo 455 26/06/2001 Ariza 111 07/07/2001 Santa Cruza de Grío - Tobed 226 01/08/2001 Loarre - Las Peñas de Riglos – Murillo de Gállego 3278 01/08/2001 Jaca 225 30/06/2003 Ayerbe - Biscarrués 183 29/07/2003 Encinacorba 278 25/08/2003 Lopornazo 269 08/08/2004 Abanto 111 01/09/2004 Zaragoza 696 16/07/2005 Nuévalos 300 14/08/2005 Luna 543 14/06/2006 Uncastillo - Castiliscar 239 17/06/2006 Ibieca 279 2006 Sos del Rey Católico 412 16/06/2007 Huesca 138 05/08/2008 Zuera 2514 22/07/2009 Morés 560 29/07/2009 Jaulín 1706 01/08/2009 Terrer 679 18/08/2009 Zaragoza 6978
19 Figura 3. Mapa de localización de los incendios forestales del decenio 2000-2010, con sus respectivas fechas. Elaboración propia. Fuentes cartográficas: IGN y SITAR (bases cartográficas), GEOFOREST (perímetros de incendios).
20 5.2. Descarga y tratamiento de productos MODIS Una vez recabados todos los perímetros de los incendios de interés se procedió a la descarga de los datos MODIS comentados en los apartados anteriores. El servidor utilizado fue el Earth Explorer del USGS: http://earthexplorer.usgs.gov/. Al descargar los datos se seleccionó el tile o imagen de 17h y 4v de la rejilla de la proyección sinusoidal de MODIS (véase figura 4) y las imágenes referidas a la primera semana de mayo (día 9) y la primera quincena de septiembre (día 14). Se seleccionaron estas fechas porque se consideran claves para visualizar el contraste entre la actividad fotosintética de la vegetación a finales de primavera y el descenso de la misma al final del verano, coincidiendo con el final del periodo con mayor número de incendios forestales. En total se descargaron unas 76 imágenes: 20 por cada uno de los productos, excepto para el caso del MCD15A2, que fueron 16. Figura 4. Sistema de proyección sinusoidal de los “tiles” MODIS. Todos los productos MODIS se encuentran codificados en el formato HDF (Hierarchival Data Format) y la nomenclatura utilizada para identificarlos está ya estandarizada por la NASA. Lo que permite conocer a qué plataforma pertenece, el nombre del producto, fecha de adquisición (año y día juliano), versión y fecha de procesamiento (véase figura 5). Figura 5. Nomenclatura utilizada para identificar a los productos MODIS de niveles de procesamiento superiores. 1. Las tres primeras siglas indican el nombre corto de la plataforma (MOD = Terra, MYD = Aqua y MCD para datos combinados de ambas). 2. Este número se refiere al tipo de producto.
21 3. Fecha de adquisición de la imagen. (año y día juliano: día juliano 129 equivale al 9 de mayo). 4. Coordenadas del tile o imagen en la rejilla sinusoidal de MODIS. (en este ejemplo, 17 horizontal y 4 vertical). 5. Estas tres cifras hacen referencia a la versión de procesamiento o colección, en este caso a la 5. 6. En último lugar, aparece la fecha de procesamiento (año, día juliano, hora, minuto y segundo). En este caso año 2008, día juliano 032 (2 de febrero), 15 hrs., 12 min y 59 seg. Por ello, debido a que el nombre completo de los archivos de los productos descargados posee una longitud considerable, y para poder visualizarlos correctamente en programas como ERDAS Image 10, fue necesario importarlos en su mismo formato y renombrarlos con códigos o nombres más cortos. Seguidamente, se procedió a reproyectar las imágenes a WGS 1984 UTM Zona 30, debido a que en origen poseen por defecto la proyección WGS 84 Sinusoidal, muy poco utilizada. Este proceso también se realizó en el software ERDAS. Otro de los procedimientos necesarios para interpretar los datos de los distintos productos, fue su conversión a las unidades de medida usuales. Debido a que los datos brutos extraídos de las imágenes están codificados en otros rangos. Para su conversión fue necesario multiplicarlos por unos factores escalares proporcionados por las guías de usuario específicas para cada producto MODIS (véase tabla 10). Tabla 10. Ejemplo de conversión de los datos de los distintos productos de MODIS y sus factores escalares. (Elaboración propia) Producto Resolución Espacial Variable Factor Escalar Valor Bruto Conversión Unidad MOD13A2 1 km NDVI 0.0001 2319 0.23 EVI 0.0001 900 0.09 MOD13Q1 250 m NDVI 0.0001 3138 0.31 EVI 0.0001 1399 0.14 NIR 0.0001 4104 0.41 MIR 0.0001 945 0.09 MOD11A2 1 km LST 0.02 15169 303.38 Grados Kelvin MCD15A2 1 km FPAR 0.01 46 0.46 LAI 0.1 13 1.3 *Los datos del ejemplo están referidos al 14 de septiembre de 2001 dentro del perímetro del incendio de Las Peñas de Riglos. Excepto en el caso del producto MCD15A2 (LAI-fPAR), cuya fecha es del 9 mayo de 2003. 5.3. Estimación y cartografía de la severidad del incendio El concepto de severidad del incendio se define como la cuantificación de los efectos del fuego a corto plazo en la situación post-fuego inmediata al suceso (Veraverbeke et al., 2011). Para ello es necesario contar con una imagen anterior y otra posterior y reciente al incendio, para poder estimar el NBR (Normalized Burn Ratio o Índice Normalizado de Quema). El cuál se ha convertido en el índice espectral estándar más aceptado para evaluar la gravedad del fuego (Ve-
22 raverbeke et al., 2012). Concretamente el NBR se centra en relacionar dos variables, por un lado la actividad fotosintética de la vegetación, la cual se puede detectar muy claramente en la banda del infrarrojo cercano (NIR) y por otro lado, el contenido de humedad de la vegetación proporcionado por el infrarrojo medio (MIR). A través de la combinación de ambas bandas se consigue calcular la diferencia de reflectividad entre el pre-incendio y el post-incendio o dNBR, que permite obtener el valor de la variable en cuestión. El cual dependerá del tipo de combustible quemado, el tiempo de exposición y la temperatura que han alcanzado las llamas. El cálculo del NBR y la diferencia entre la situación prefuego y postfuego vienen dada por las expresiones de la figura 6. En este trabajo se recurrió a la información de las bandas 5 y 7 del producto MOD13Q1, estas bandas contienen la reflectividad en el infrarrojo cercano e infrarrojo medio, respectivamente. Y corresponden a las bandas 2 y 7 del sensor MODIS centradas en los 858 nm y los 2.130 nm. Con estas dos bandas se ha elaborado una imagen combinada mediante un layer stack, poniendo como 1ª banda el NIR y como 2ª el MIR. Figura 6. Fórmulas del NBR y dNBR para el cálculo de la severidad. Para ejecutar el índice anterior sobre las imágenes combinadas, se recurrió al módulo de Model Maker del ERDAS. Donde se diseñó un modelo (véase figura 7) en el cuál se incluyeron las imágenes de la situación prefuego (mayo) y el postfuego (septiembre) de todos los grandes incendios del decenio estudiado. Figura 7. Modelo base de NBR y dNBR elaborado en el Model Maker de ERDAS Imagine 10.
23 Se realizaron las restas y sumas por separado de las bandas del NIR y MIR para posteriormente emplear una función que ignorara los valores 0 en el resultado de las operaciones. Una vez hecho esto ya se disponía de la imagen de NBR del preincendio y postincendio. El último paso era restar ambas imágenes y multiplicar el resultado por 1.000, para así obtener la imagen con los valores propios de dNBR o severidad del incendio. Según Carl y Nathan (2006) los resultados comunes de dNBR oscilan entre los 100 y los 1.300 (véase tabla 11) en función del grado de intensidad con la que ha incidido el fuego y sus umbrales han sido definidos tras su validación y calibración en campo de zonas quemadas. Tabla 11. Niveles de severidad ordinales y ejemplo de rangos de dNBR (a escala de 103). Fuente: Carl H. y Nathan C., 2006 Nivel de Severidad Rango dNBR Rebrote vegetal alto -500 a -251 Rebrote vegetal bajo -250 a -101 No quemado -100 a +99 Severidad baja +100 a +269 Severidad moderada - baja +270 a +439 Severidad moderada - alta +440 a +659 Severidad alta +660 a +1300 A continuación, se cortaron las imágenes de dNBR usando el perímetro de cada incendio, teniendo en cuenta que los píxeles que quedaron dentro fueron los que tenían su centroide dentro del polígono. Seguidamente, utilizando los rangos de clasificación anteriores de niveles de severidad, se procedió a reclasificar los valores de dNDR de todos los incendios recientes en el entorno de ArcMap 10.1. Para ello se les asignó una codificación del 1 al 5, en función de la categoría de intensidad de la quema, así como un color intuitivo para su rápida y clara interpretación (ver tabla 12). Tabla 12. Reclasificación de los valores de dNBR. Nivel de Severidad Rango dNBR Valor asignado Color Asignado No quemado -100 a +99 1 Severidad baja +100 a +269 2 Severidad moderada - baja +270 a +439 3 Severidad moderada - alta +440 a +659 4 Severidad alta +660 a +1300 5
24 Figura 8. Esquema del proceso de cálculo del NBR, dNBR y la reclasificación de los niveles de severidad. (Ejemplo: Incendio de Zuera 2008). Elaboración propia. 5.4. Seguimiento de la dinámica postfuego Como se ya se ha comentado en apartados anteriores, los índices de vegetación (NDVI y EVI) y la temperatura de superficie (LST) fueron los parámetros que se extrajeron de las imágenes para estudiar la evolución de la vegetación tras el incendio. Para ello se realizaron imágenes combinadas de cada mes de mayo y septiembre por año de productos diferentes (MOD13A2 y MOD11A2, ambos a 1 km), mediante un layer stack en el entorno de ERDAS Imagen. De modo que se añadieron en primer lugar como capas 1 y 2 el NDVI y EVI, respectivamente; y en la 3ª capa la LST. Ello facilitaba posteriormente la sustracción de los datos de interés a través de puntos por cada píxel con la función de Sample en el entorno ya de ArcMap 10.1. Una vez, obtenida las tablas correspondientes para cada incendio, se exportaba a Excel, donde se editaba y se calculan las medias aritméticas para cada variable y mes. Por otro lado, el procedimiento se repitió exactamente igual al descrito arriba, en este caso para el producto MOD13Q1 de 250 metros de resolución. Sólo que en este caso las imágenes combinadas tuvieron cuatro bandas. Las dos primeras con los índices de vegetación y las dos últimas, con las reflectividades del NIR y MIR. Asimismo, también fue necesario el recorte de estas imágenes ciñéndolas al sector estudiado de Aragón, para agilizar el proceso de extracción de los datos. Imagen Pre incendio Imagen Post incendio NBR dNBR NBR Severidad
31 los efectos en la vegetación, debido a los efectos de borde derivados de la resolución espacial de las imágenes. Otra causa importante que influye es la escasa sensibilidad de los índices de vegetación a niveles bajos de severidad, con lo cual se tiende a infravalorar los resultados obtenidos. El último factor y no menos importante que influye igualmente, es el ambiente bioclimático donde se ha desencadenado el suceso y el tipo de vegetación que se ha calcinado. Generalmente, se aprecian diferencias notables en la velocidad de recuperación de los matorrales frente a las masas boscosas. Asimismo, en la mayoría de los incendios estudiados las principales comunidades vegetales afectadas suelen ser matorrales del ambiente mesomediterráneo, en el cual se produce una homogenización cada vez mayor del paisaje vegetal, además de participar en mayor medida la señal del suelo en el dato final que aporta el pixel. Por otro lado, también es importante analizar la capacidad de regeneración vegetal y observar cuanto tiempo le cuesta a las comunidades alcanzar los niveles de actividad previos al incendio. En ese sentido, se ha podido apreciar cómo tras el incendio la mayoría de las zonas calcinadas tienden a una recuperación progresiva de sus condiciones anteriores y niveles de NDVI y EVI, al menos en aquellos acontecidos en el primer lustro del decenio (véase gráfico 3)2 y de los cuales se han contado con mayor número de imágenes posteriores, que permiten esta afirmación. Gráfico 3. Evolución temporal del promedio de NDVI (arriba) y EVI (abajo) a 1 km, para los municipios de Loarre 2001, Luna 2005, Zuera 2008 y Zaragoza 2009. Elaboración propia. 2 Los puntos de los gráficos de NDVI y EVI, representan el valor de la variable en el mes posterior a la ocurrencia del incendio. 0,38 0,34 0,26 0,20 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Loarre 01 Luna 05 Zuera 08 Zaragoza 09 0,18 0.14 0.11 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Loarre 01 Zuera 08 Zaragoza 09
32 Gráfico 4. Evolución temporal del promedio de NDVI (arriba) y EVI (abajo) ,a 250 m, para los incendios de los municipios de Loarre 2001, Luna 2005, Nuévalos 2005, Zuera 2008 y Zaragoza 2009. Elaboración propia. El primer efecto que se aprecia en el conjunto de los perfiles de la evolución son los ascensos y descensos cíclicos y estacionales naturales de la vegetación, entre la diferente actividad fotosintética de la vegetación en mayo y en plena primavera, y el descenso de la actividad vegetal que se produce tras el final del verano (septiembre). Al comparar los datos de las dos resoluciones espaciales, se puede apreciar como aumenta ligeramente el detalle en el perfil de las gráficas de los incendios a 250 m, resaltándose más precisamente los valores más bajos de NDVI y EVI, que en los de menor resolución. Incluso se puede detectar el efecto del fuego en incendios que con la resolución de 1 km no eran apreciables, uno de ellos es el de Nuévalos 2005. Asimismo, la información que aporta el EVI permite visualizar mejor que zonas tienen un tipo de vegetación más o menos vigorosa, como la diferencia entre matorrales y pinares. Caso de Nuévalos 2005, con respecto a los otros grandes incendios. 0.39 0,26 0,24 0,19 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Loarre 01 Luna 05 Zuera 08 Zaragoza 09 0.16 0.11 0,13 0,11 0,10 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Loarre 01 Nuévalos 05 Luna 05 Zuera 08 Zaragoza 09
33 6.2.2. La temperatura superficial Al centrar el análisis en la variable temperatura superficial (LST ó TS) se puede apreciar desde el primer momento una serie de limitaciones que presentaban los datos del producto de MOD11A2. El primero de ellos es la incapacidad de detectar la influencia del incendio y, por ende, el aumento de la temperatura en el momento posterior al incendio. Ello es provocado por la resolución espacial de 1 km y la contaminación de los píxeles por el efecto de borde, lo que provoca la mezcla de información. Asimismo, hay que añadir que la variable temperatura superficial es un parámetro muy complejo de medir, ya que en su resultado final influyen innumerables factores ambientales (cambios en los vientos, contrastes entre sombrías y solanas, distintas orientaciones, etc.) Eso unido, a que la información es un compuesto de 8 días con los mejores píxeles, hace más evidente las limitaciones tan importantes que presenta a la hora de realizar el seguimiento del aumento y posterior descenso de la temperatura fruto de la destrucción de la vegetación y su posterior regeneración. Por ello, al realizar el estudio individualizado de cada uno de los 24 incendios del decenio, se observó que sólo tres de ellos (Luesia 2000, Sabiñánigo 2000, Riglos 2000), mostraban claramente el aumento de la temperatura coincidiendo con la fecha de ocurrencia del incendio (véase gráfico 5). No obstante, en los tres casos la temperatura máxima alcanzada es casi la misma, lo que induce a pensar que se trata de un final de verano especialmente caluroso. En el resto de los incendios los aumentos térmicos eran prácticamente irrelevantes, confundiéndose con la dinámica térmica natural entre los dos meses. Gráfico 5. Evolución temporal del promedio de LTS (a 1 km) para los incendios de los municipios de Luesia 2000, Las Peñas de Riglos 2000 y Sabiñánigo 2000. Elaboración propia. El otro de los inconvenientes y quizás el que más ha perjudicado al cálculo correcto de la variable, ha sido la omisión o ausencia del dato de TS en varios píxeles de las imágenes (dato = 0). Esto se ha detectado principalmente en las imágenes de los meses de mayo de 2005 y mayo de 2008 en un total de 9 incendios. Además también faltaban datos puntuales en los perímetros de los incendios de Zaragoza de 2009, en el mes de mayo de 2010, y en el de Zuera de 2008, en 280.00 285.00 290.00 295.00 300.00 305.00 310.00 May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep May Sep 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Grados Kelvin Luesia 00 Riglos 00 Sabiáñigo 00
34 el mes de septiembre de 2002 (véase tabla 16). Lógicamente, esto hecho ha repercutido negativamente en el cálculo posterior de la media aritmética para cada mes, al contar con muchos menos píxeles con dato válido en esos meses concretos. Tabla 16. Incendios forestales afectados por omisión de datos de LTS del producto MOD11A2. Elaboración propia. Fecha Municipio /os afectado /os Nº Has. Nº de píxeles sin dato sep-02 may-05 may-08 may-10 26/06/2001 Ariza 111 0 0 1 de 22 0 30/06/2003 Ayerbe - Biscarrués 183 0 1 de 6 0 0 01/09/2004 Zaragoza 696 0 8 de 16 0 0 16/07/2005 Nuévalos 300 0 0 7 de 7 0 05/08/2008 Zuera 2.514 1 de 42 6 de 42 0 0 22/07/2009 Morés 560 0 4 de 14 0 0 29/07/2009 Jaulín 1.706 0 2 de 34 0 1 de 34 01/08/2009 Terrer 679 0 0 1 de 14 0 18/08/2009 Zaragoza 6.978 0 27 de 93 0 7 de 93 No obstante, a pesar de todos los inconvenientes y limitaciones que presenta este parámetro proporcionado por MODIS, hay que advertir que en algunos incendios sí se puede obtener la evolución de la temperatura superficial pormenorizada, pero a nivel individual de pixel entre año anterior, el año del suceso y el posterior al incendio, como es el caso de los incendios de Luna de 2005 (ver gráfico 6)3 y Zaragoza 2009 (gráfico 7). Gráfico 6. Datos de LST en grados Kelvin a nivel de píxel para el mes de septiembre en el año anterior, año de ocurrencia y año posterior al incendio de Luna 2005. Elaboración propia. 3 El eje de abscisas de estos gráficos representa el código asignado a cada pixel dentro del perímetro del incendio. 290.00 292.00 294.00 296.00 298.00 300.00 302.00 304.00 306.00 308.00 1 2 3 4 5 6 7 8 9 10 11 12 Grados Kelvin Septiembre 2004 Septiembre 2005 Septiembre 2006
35 Gráfico 7. Datos de LST en grados Kelvin a nivel de píxel (selección 48 de 83) para el mes de septiembre en el año anterior, año de ocurrencia y año posterior al incendio de Zaragoza 2009. Elaboración propia. Del conjunto de todos los incendios analizados, en torno a la mitad (un 47 %) de ellos se manifiesta el aumento de temperatura a nivel de pixel en el momento inmediato al incendio. Por lo que en el 52,17 % restante no se da esta situación, incluso en algunos incendios la temperatura del mes posterior al incendio llega a ser inferior que la de los años anteriores o posteriores. Hay que destacar la heterogeneidad de valores térmicos antes del incendio que está en función de la vegetación existente. Por tanto, se suelen dar dos situaciones con posterioridad al fuego. La primera es que los valores térmicos desciendan notablemente al año del suceso (caso del incendio de Luna 2005). Y la segunda situación que se suele producir es que la temperatura siga siendo igual de elevada o incluso superior a la registrada inmediatamente tras el incendio en el año posterior, así como una mayor homogeneización de los valores, es el caso del incendio de Zaragoza 2009 (ver gráfico 7). La causa que explica esta dicotomía es que tras un incendio, se produce una modificación de los patrones térmicos superficiales, creándose una cierta homogeneidad de la temperatura en todos los píxeles. Posteriormente, esta situación se va diversificando, en función del grado de severidad con la que haya incidido el fuego en cada píxel. 6.4. Análisis del LAI y FPAR Uno de los mayores problemas al que deben hacer frente los análisis multitemporales con datos de satélite sobre áreas quemadas es la necesidad de encontrar indicadores adecuados que describan de manera precisa la evolución de la vegetación tras el fuego. Sin duda el NDVI ha sido hasta la fecha el índice más empleado a pesar de su visión sesgada del proceso de regeneración vegetal y de los propios problemas de concepción que acompañan a su formulación. Los productos derivados de los datos MODIS proporcionan fuentes de información relativas al proceso de regeneración vegetal. En concreto LAI y fPAR son dos variables que de manera complementaria aportan nuevas claves en la comprensión del proceso de regeneración vegetal en zonas quemadas. Dado el carácter experimental de la investigación y tal como se expuso en el apartado metodológico, se realizaron diversos análisis utilizando indistintamente los datos de LAI y fPAR. Asimismo los resultados de los diferentes exploratorios que se han realizado se sintetizan en una serie de interrogantes que van a ser utilizados como hilo conductor de este apartado. 290.00 292.00 294.00 296.00 298.00 300.00 302.00 304.00 306.00 308.00 310.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 Grados Kelvin sep-08 sep-09 sep-10
36 ¿Cuál es el tipo de relación existente entre LAI de mayo y septiembre, FPAR de mayo y septiembre y entre fPAR-LAI? Para comprobar el tipo de relación existente entre estas dos variables se recurrió al análisis de dispersión. Los resultados gráficos obtenidos se segmentaron en dos grupos: incendios antiguos (1975 hasta 2000) y los incendios recientes (2000 a 2010). El análisis de regresión entre los compuestos de LAI y fPAR, en cualquiera de las fechas - mayo y septiembre-, ofrece un r2 superiores a 0.82, siendo ligeramente superiores cuando el análisis opera exclusivamente con los incendios nuevos (2), ocurridos en la década de los 2000 (ver gráfico 8). Estos resultados ponen de manifiesto que, aunque fPAR y LAI conceptualmente se refieren a parámetros distintos del dosel vegetal, los valores proporcionados por MODIS presentan una gran proporcionalidad. Sin embargo, recordemos que, de hecho, la transformación de valores fPAR a LAI es posible siempre y cuando se disponga de información relativa a la capacidad de absorción de la fracción foliar y al extinción de la radiación del dosel vegetal. De tal modo que LAI es un parámetro más complejo de las características del dosel vegetal que lo vinculan directamente a la capacidad fotosintética y a la producción final de las formaciones vegetales. Gráfico 8. Correlación entre el fPAR y LAI de septiembre, y de mayo para los incendios antiguos (1.00) y los recientes (2.00). Regresión lineal 0,00 2,00 4,00 6,00 LAI_mayo 0,50 1,00 1,50 fPAR_mayo 1fPAR_mayo = 0,23 + 0,19 * LAI_mayo R-cuadrado = 0,82 1,00 2,00 0,00 2,00 4,00 6,00 LAI_mayo 1fPAR_mayo = 0,14 + 0,26 * LAI_mayo R-cuadrado = 0,85 Regresión lineal 0,00 1,00 2,00 3,00 4,00 LAI_sep 0,50 1,00 1,50 fPAR_sep 1fPAR_sep = 0,20 + 0,24 * LAI_sep R-cuadrado = 0,90 1,00 2,00 0,00 1,00 2,00 3,00 4,00 LAI_sep 1fPAR_sep = 0,09 + 0,38 * LAI_sep R-cuadrado = 0,91
37 Por el contrario, el análisis de regresión entre diferentes fechas utilizando el mismo parámetro (LAI ó fPAR) indica que no existe una función de proporcionalidad directa entre los valores de los dos momentos del año, especialmente al considerar datos de fPAR y considerando todas las imágenes disponibles. En todos los casos las rectas de regresión de los diagramas de dispersión muestran relaciones positivas; sin embargo destaca la gran cantidad de datos que presenta valores de LAI ó fPAR muy bajos y homogéneos en septiembre, siendo mucho más altos y, sobre todo, variables en mayo (ver gráfico 9). Además existe una gran cantidad de outliers en donde no existe una correspondencia entre los valores en las dos fechas propuestas, ocurriendo todo lo contrario: la existencia de píxeles con fPAR bajo en mayo y elevados en septiembre. Esta variabilidad estacional de los datos de mayo podría relacionarse con las características de la evolución fenológica de la vegetación submediterránea, que es la que participa en la mayoría de los incendios forestales considerados pero, especialmente, con el impacto inmediato del fuego. Gráfico 9. Correlación entre el fPAR de mayo y septiembre y LAI de mayo y septiembre para los incendios antiguos (1.00) y recientes (2.00). Regresión lineal 0,20 0,40 0,60 0,80 fPAR_sep 0,20 0,40 0,60 0,80 fPAR_mayo 1fPAR_mayo = 0,31 + 0,41 * fPAR_sep R-cuadrado = 0,22 1,00 2,00 0,20 0,40 0,60 0,80 fPAR_sep 1fPAR_mayo = 0,26 + 0,41 * fPAR_sep R-cuadrado = 0,19 Regresión lineal 0,00 1,00 2,00 3,00 4,00 LAI_sep 0,00 2,00 4,00 6,00 LAI_mayo 1LAI_mayo = 0,67 + 0,68 * LAI_sep R-cuadrado = 0,44 1,00 2,00 0,00 1,00 2,00 3,00 4,00 LAI_sep 1LAI_mayo = 0,53 + 0,73 * LAI_sep R-cuadrado = 0,31
38 Un análisis considerando dos fechas concretas 2003 y 2009, nos permite comprobar la existencia de una mayor proporcionalidad entre los valores de mayo y septiembre, siendo más fuerte en el caso de la imagen de 2003, dado que el impacto del fuego en los incendios anteriores a esta fecha es muy leve. De este modo se puede observar como existe una organización temporal de la nube de puntos en función de la antigüedad del fuego. Mientras, en el caso de la nube de puntos relativa a la imagen de 2009, los efectos del fuego en los valores del fPAR son mucho más pronunciados anulando la correspondencia especialmente en los incendios más cercanos en el tiempo (véase gráfico 10). Gráfico 10. Comparación de la correlación del fPAR de mayo y septiembre para la primera imagen disponible de MODIS (2003) y 2010. ¿Cómo es la evolución en la última década del LAI y fPAR en las zonas quemadas? El análisis multitemporal de los datos de LAI y fPAR se ha realizado a escala de incendio, es decir, por su ID de la base de datos (ver tabla 17). Desde un primer momento se pudo apreciar que los incendios antiguos presentaban valores medios de fPAR y LAI más elevados, con menor variabilidad multitemporal y, con una ligera tendencia ascendente, si se los compara con los incendios recientes. Este último extremo pone de manifiesto que, en los incendios antiguos, las comunidades vegetales afectadas por el fuego han tenido más tiempo para recomponerse. Por tanto, las pequeñas variaciones que se producen se relacionan más con la propia dinámica fenológica de la vegetación. No obstante, este comportamiento se puede apreciar más claramente con fPAR que con LAI (ver gráfico 11 y Anexo 1). Por el contrario, los incendios recientes se caracterizan por manifestar una serie de fluctuaciones muy marcadas. Las variables de LAI y fPAR son muy sensibles a la presencia de dos factores principales: los eventos de sequía, como la acontecida en 2005 y la ocurrencia más cercana de los propios incendios. Concretamente, los incendios de la última década (2000-2010), poseen un valor de fPAR menor antes de la ocurrencia del incendio, que si los comparemos con los antiguos. Es por ejemplo el caso del incendio de Zaragoza en 2009 o el de Zuera en 2004. Regresión lineal 0,00 1,00 2,00 3,00 4,00 LAI_sep 0,00 2,00 4,00 6,00 LAI_mayo 1LAI_mayo = 0,67 + 0,68 * LAI_sep R-cuadrado = 0,44 1,00 2,00 0,00 1,00 2,00 3,00 4,00 LAI_sep 1LAI_mayo = 0,53 + 0,73 * LAI_sep R-cuadrado = 0,31 1975 1992 2009 Año_Inc Medias Regresión lineal 0,20 0,40 0,60 0,80 fPAR_sep 0,20 0,40 0,60 0,80 fPAR_mayo 1fPAR_mayo = 0,29 + 0,53 * fPAR_sep R-cuadrado = 0,58 2003 2010 0,20 0,40 0,60 0,80 fPAR_sep 1fPAR_mayo = 0,18 + 0,68 * fPAR_sep R-cuadrado = 0,52
39 Tabla 17. Relación de códigos ID por incendio, municipio afectado, año y nº de hectáreas, seleccionados para los análisis de fPAR y LAI.4 ID Municipio/os afectado/os Año Nº has. 5 Riglos - Longás 1975 1.279 6 Riglos 1975 639 7 Nueno 1977 809 9 Luna 1978 1.809 10 Zuera 1979 759 11 Nueno 1980 523 12 Luna 1981 2.248 13 Sabiáñigo 1981 762 14 Ateca 1982 649 15 Asín 1983 2.536 16 Calatayud 1984 1.120 17 Anzánigo 1985 694 19 Riglos 1985 735 22 Nueno 1986 1.706 23 Fuentes de Jiloca 1987 653 24 Ambel 1991 1.847 25 Calcena 1993 3.695 26 Sos del Rey Católico 1994 8.078 29 Uncastillo 1994 2.424 31 Loarre 2001 3.278 32 Zaragoza 2004 696 33 Luna 2005 543 34 Zuera 2008 2.514 36 Jualín 2009 1.706 37 Terrer 2009 679 38 Zaragoza 2009 6.978 4 Del conjunto de incendios recopilados, se han desestimado varios incendios por diversas causas, principalmente por la ausencia de píxeles puros o la detección de valores muy extremos, entre otros.
40 Gráfico 11.A. Evolución de la media del fPAR de mayo entre las imágenes MODIS disponibles (2003-2010) de los incendios antiguos y recientes, clasificados por quinquenios. ¿Existen diferencias estadísticas entre los datos de LAI y fPAR analizados por quinquenios? Para comprobarlo se recurrió al análisis ANOVA de un factor, en este caso tomando como base el quinquenio en el que se produce el fuego, considerando sólo los valores de fPAR y LAI correspondientes a la primera fecha disponible (2003), de tal modo que no se consideran los incendios que se producen durante la década de los 2000. En la comparación de medias de los cuatro primeros quinquenios, se observó que la tendencia de los valores era claramente descendente, debido a que cuanto mayor es la antigüedad del incendio, mayores son los índices de fPAR y LAI, ya que la vegetación ha tenido más tiempo para recuperarse. Sin embargo, tan sólo se registran diferencias estadísticamente significativas en las comparaciones que incluyen los valores del último de los quinquenios (4º), aquel en el que los efectos del fuego son más notorios por concitar a superficies quemadas en fechas próximas a la imagen de referencia, en este caso la de 2003. Gráfico 12. Evolución temporal de la media de LAI de mayo para los cuatro primeros quinquenios.
47 10. AGRADECIMIENTOS Agradezco a mi tutor Fernando Pérez Cabello por su disposición y atenciones prestadas, por su cercana y continua dirección, así como por su elevado interés y pasión por la temática, la cual me contagió. A Juan de la Riva y al grupo de investigación GEOFOREST por ofrecerme este proyecto desde un primer momento y haber apostado por él y por mí para su realización. Gracias a todos mis compañeros del máster, en especial a Ana, Manuel y Magín por haberme acompañado en este proceso de aprendizaje y por sus buenos consejos. También a mi familia y amigos, especialmente a Araceli, Mauricio, Lucía, Julia, Borja, Irene, Javier, Unai, Alberto y Daniel que de un modo u otro, no han dejado de apoyarme en ningún momento, alentándome a hacerlo lo mejor posible. Gracias a todos
48 ANEXO I Gráfico 11.B. Evolución de la media del fPAR de septiembre entre las imágenes MODIS disponibles (2003-2010) de los incendios antiguos y recientes, clasificados por quinquenios.
49 Gráfico 11.C. Evolución de la media del LAI de mayo entre las imágenes MODIS disponibles (2003-2010) de los incendios antiguos y recientes, clasificados por quinquenios.
50 Gráfico 11.D. Evolución de la media del LAI de septiembre entre las imágenes MODIS disponibles (2003-2010) de los incendios antiguos y recientes, clasificados por quinquenios.
51 ANEXO II Tabla 20. Comparaciones múltiples entre las medias de fPAR y LAI de los cuatro primeros quinquenios usando la prueba “Post hoc” y Bonferroni. Variable dependiente (I) Quinquenios (J) Quinquenios Diferencia de medias (I-J) Error típico Sig. Intervalo de confianza al 95% Límite inferior Límite superior Límite inferior Límite superior Límite inferior fPAR mayo 1,00 2,00 0,01517 0,01363 1,000 -,0209 0,0512 3,00 0,08735(*) 0,02485 0,003 0,0217 0,1531 4,00 0,06691(*) 0,01291 0,000 0,0328 0,1011 2,00 1,00 -0,01517 0,01363 1,000 -0,0512 0,0209 3,00 0,07219(*) 0,02330 0,012 0,0106 0,1338 4,00 0,05175(*) 0,00962 0,000 0,0263 0,0772 3,00 1,00 -0,08735(*) 0,02485 0,003 -0,1531 -0,0217 2,00 -0,07219(*) 0,02330 0,012 -0,1338 -0,0106 4,00 -0,02044 0,02289 1,000 -0,0810 0,0401 4,00 1,00 -0,06691(*) 0,01291 0,000 -0,1011 -0,0328 2,00 -0,05175(*) 0,00962 0,000 -0,0772 -0,0263 3,00 0,02044 0,02289 1,000 -0,0401 0,0810 LAI mayo 1,00 2,00 0,09250 0,06012 0,746 -0,0665 0,2515 3,00 0,26438 0,10962 0,097 -0,0255 0,5543 4,00 0,32717(*) 0,05697 0,000 0,1765 0,4778 2,00 1,00 -0,09250 0,06012 0,746 -0,2515 0,0665 3,00 0,17188 0,10282 0,570 -0,1000 0,4438 4,00 0,23467(*) 0,04243 0,000 0,1225 0,3469 3,00 1,00 -0,26438 0,10962 0,097 -0,5543 0,0255 2,00 -0,17188 0,10282 0,570 -0,4438 0,1000 4,00 0,06279 0,10101 1,000 -0,2043 0,3299 4,00 1,00 -0,32717(*) 0,05697 0,000 -0,4778 -0,1765 2,00 -0,23467(*) 0,04243 0,000 -0,3469 -0,1225 3,00 -0,06279 0,10101 1,000 -0,3299 0,2043 fPAR septiembre 1,00 2,00 0,02718 0,01479 0,398 -0,0119 0,0663
52 3,00 0,04494 0,02696 0,576 -0,0264 0,1162 4,00 0,13631(*) 0,01401 0,000 0,0993 0,1734 2,00 1,00 -0,02718 0,01479 0,398 -0,0663 0,0119 3,00 0,01776 0,02529 1,000 -0,0491 0,0846 4,00 0,10913(*) 0,01044 0,000 0,0815 0,1367 3,00 1,00 -0,04494 0,02696 0,576 -0,1162 0,0264 2,00 -0,01776 0,02529 1,000 -0,0846 0,0491 4,00 0,09137(*) 0,02484 0,001 0,0257 0,1571 4,00 1,00 -0,13631(*) 0,01401 0,000 -0,1734 -0,0993 2,00 -0,10913(*) 0,01044 0,000 -0,1367 -0,0815 3,00 -0,09137(*) 0,02484 0,001 -0,1571 -0,0257 LAI septiembre 1,00 2,00 0,07310 0,05479 1,000 -0,0718 0,2180 3,00 0,13667 0,09991 1,000 -0,1275 0,4009 4,00 0,46591(*) 0,05192 0,000 0,3286 0,6032 2,00 1,00 -0,07310 0,05479 1,000 -0,2180 0,0718 3,00 0,06357 0,09370 1,000 -0,1842 0,3114 4,00 0,39282(*) 0,03867 0,000 0,2906 0,4951 3,00 1,00 -0,13667 0,09991 1,000 -0,4009 0,1275 2,00 -0,06357 0,09370 1,000 -0,3114 0,1842 4,00 0,32925(*) 0,09206 0,002 0,0858 0,5727 4,00 1,00 -0,46591(*) 0,05192 0,000 -0,6032 -0,3286 2,00 -0,39282(*) 0,03867 0,000 -0,4951 -0,2906 3,00 -0,32925(*) 0,09206 0,002 -0,5727 -0,0858 * La diferencia de medias es significativa cuando se sitúa por debajo del nivel 0,05.