Palabras clave
cicatrices de incendios
Rapid Eye
modelo lineal de mezcla espectral
corrección de Card
Cómo citar
##article.highlights##
- Los reportes de la CONAFOR sobre incendios forestales carecen de exactitud geográfica.
- La tasa de detección fue mayor con el producto MODIS procesado en la CONABIO.
- Con tecnología satelital, se obtuvo un promedio de omisión de 84 % de cicatrices de incendios.
- El uso de los puntos de calor es ideal para incendios que superen las 50 ha.
Resumen
Introducción: Los programas de monitoreo de incendios forestales incursionaron en México a finales del siglo pasado; sin embargo, no existen estudios que reporten su fiabilidad en la detección de incendios y puntos de calor. Objetivo: Evaluar la fiabilidad temática de los puntos de calor y registros de incendios forestales en una región de Michoacán de Ocampo, México. Materiales y métodos: Se clasificaron imágenes de alta resolución espacial Rapid Eye para detectar cicatrices de incendios. Las imágenes se cruzaron con mapas de puntos de calor del sensor MODIS, procesados por la Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO), y de los sensores MODIS, AVHRR y GOES, procesados por el Servicio Meteorológico Nacional (SMN), así como con registros de incendios forestales de la Comisión Nacional Forestal (CONAFOR). Se generaron tasas de detección y matrices de confusión para evaluar la fiabilidad. Resultados y discusión: La tasa de detección fue mayor con el sensor MODIS de la CONABIO (>75 %) en las categorías mayores de 50 ha. La fiabilidad global de los puntos de calor fue 62 %; no obstante, los errores de omisión (subestimación) y comisión (sobrestimación) representaron 85 y 34 %, respectivamente. Los incendios reportados por la CONAFOR carecen de coincidencia espacial con respecto a las cicatrices, por lo que el análisis de fiabilidad fue descartado. Conclusión: El uso de los puntos de calor, de acuerdo con las tasas de detección, es ideal para incendios que superen las 50 ha. La fiabilidad temática de los puntos de calor y de los registros de incendios debe evaluarse al inicio de una investigación.Citas
Ávila-Flores, D. Y., Pompa-García, M., & Vargas-Pérez, E. (2010). Análisis espacial de la ocurrencia de incendios forestales en el estado de Durango. Revista Chapingo Serie Ciencias Forestales y del Ambiente, 16(2), 253–260. doi: https://doi.org/10.5154/r.rchscfa.2009.08.028
Blackbridge. (2013). Imágenes satelitales especificaciones técnicas. Retrieved July 1, 2018, from https://www.geosoluciones.cl/documentos/rapideye/RE_Product_Specifications_SPA.pdf
Câmara, G., Souza, R. C. M., Freitas, U. M., & Garrido, J. (1996). SPRING: Integrating remote sensing and GIS by object-oriented data modeling. Computers & Graphics, 20(3), 395–403. doi: https://doi.org/10.1016/0097-8493(96)00008-8
Câmara, G., Valeriano, D., & Vianei, J. (2013). Metodologia para o cálculo da taxa anual de desmatamento na Amazônia Legal. Brasil: INPE.
Card, D. H. (1982). Using known map category marginal frequencies to improve estimates of thematic map accuracy. Photogrammetric Engineering and Remote Sensing, 48(3), 431–439. Retrieved from https://www.asprs.org/wp-content/uploads/pers/1982journal/mar/1982_mar_431-439.pdf
Carrillo, G. R., Rodríguez, T. D., Tchikoué, H., Monterroso, R. A., & Pérez, S. J. (2012). Análisis espacial de peligro de incendios forestales en Puebla, México. Interciencia, 37(9), 678–683. Retrieved from https://www.interciencia.net/wp-content/uploads/2018/01/678-RODRIGUEZ-6.pdf
Chuvieco, S. E. (2008). Teledetección ambiental: La observación de la Tierra desde el espacio (3.a ed.). Barcelona, España: Ariel Ciencias.
Congalton, R. G. (1991). A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37(1), 35–46. doi: https://doi.org/10.1016/0034-4257(91)90048-B
Cruz-López, M. I., Saldaña L. G., Ressl, R., & Colditz, R. (2011). Sistema de alerta temprana para incendios forestales en México. In J. F. Mas (Ed.), Aplicaciones del sensor MODIS para el monitoreo del territorio (pp. 145–171). México: UNAM. Retrieved from http://www.ciga.unam.mx/publicaciones/images/abook_file/aplicacionesMODIS.pdf
Environmental Systems Research Institute (ESRI). (2009). ArcGIS Desktop (versión 9.3.1). California, Estados Unidos: Author.
García-Mora, T. J., & Mas, J. F. (2011). Presentación del sensor MODIS. In J. F. Mas (Ed.), Aplicaciones del sensor MODIS para el monitoreo del territorio (pp. 11–24). México: UNAM. Retrieved from http://www.ciga.unam.mx/publicaciones/images/abook_file/aplicacionesMODIS.pdf
Gutiérrez, M. G., Orozco-Hernández, M. E., Ordoñez, D. A., & Camacho, S. J. (2015). Régimen y distribución de los incendios forestales en el Estado de México (2000 a 2011). Revista Mexicana de Ciencias Forestales, 6(29), 92–107. Retrieved from http://www.scielo.org.mx/pdf/remcf/v6n29/v6n29a7.pdf
Instituto Nacional de Estadística y Geografía (INEGI). (2011). Uso de suelo y vegetación de la Serie V del con escala 1:250000. Retrieved from https://www.inegi.org.mx/temas/usosuelo/
Manzo, D. L. de L. (2016). Incendios forestales de gran relevancia: algoritmos y sensor MODIS para su detección y monitoreo. En O. Moncada, & A. López (Eds.), Geografía de México (pp. 334–349). México: UNAM.
Mas, J. F., Díaz-Gallegos, J. R., & Pérez, V. A. (2003). Evaluación de la confiabilidad temática de mapas o de imágenes clasificadas: una revisión. Investigaciones Geográficas, 51, 52–72. Retrieved from http://www.scielo.org.mx/pdf/igeo/n51/n51a5.pdf
Mas, J. F., Pérez-Vega, A., Ghilardi, A., Martínez, S., Loya-Carrillo, J. O., & Vega, E. (2014). A suite of tools for assessing thematic map accuracy. Geography Journal, Article ID 372349. doi: https://doi.org/10.1155/2014/372349
Muñoz-Robles, C., & Santana-Arias, R. (2018). Puntos de calor en la Sierra Madre Oriental de San Luis Potosí: patrones espaciales y factores asociados. Madera y Bosques, 24(1), 1–16. doi: https://doi.org/10.21829/myb.2018.2411565
Olofsson, P., Foody, G. M., Herold, M., Stehman, S. V., Woodcock, C. E., & Wulder, M. A. (2014). Good practices for estimating area and assessing accuracy of land change. Remote Sensing of Environment, 148, 42–47. doi: https://doi.org/10.1016/j.rse.2014.02.015
Olofsson, P., Foody, G. M., Stehman, S. V., & Woodcock, C. E. (2013). Making better use of accuracy data in land change studies: Estimating accuracy and area and quantifying uncertainty using stratified estimation. Remote Sensing of Environment, 129, 122–131. doi: https://doi.org/10.1016/j.rse.2012.10.031
Pereira, J. M. C., Sá, A. C. L., Sousa, A., Silva, J. M. N., Santos, T. N., & Carreiras, J. (1999). Spectral characterisation and discrimination of burnt areas. In E. Chuvieco (Ed.), Remote sensing of large wildfires: In the European Mediterranean Basin (pp. 123–138). España: Springer.
Robinson, J. M. (1991). Fire from space: Global fire evaluation using infrared remote sensing. International Journal of Remote Sensing, 12(1), 3–24. doi: https://doi.org/10.1080/01431169108929628.
Rodríguez-Trejo, D. A., Tchikoué, H., Cíntora-González, C., Contreras-Aguado, R., & de la Rosa-Vázquez, A. (2011). Modelaje del peligro de incendio forestal en las zonas afectadas por el huracán Dean. Agrociencia, 45(5), 593–608. Retrieved from http://www.scielo.org.mx/pdf/agro/v45n5/v45n5a6.pdf
Secretaría de Gobernación. (2014). Incendios forestales (3.a ed.). México: CENAPRED. Retrieved from http://www.cenapred.gob.mx/es/Publicaciones/archivos/159-FASCCULOINCENDIOSFORESTALES.PDF
Shimabukuro, Y. E., Duarte, V., Anderson, L. I., Valeriano, D. M, Arai, E., de Freitas, R. M., …Moreira, M. A. (2006). Near real time detection of deforestation in the Brazilian Amazon using MODIS imagery. Ambiente y Água – An Interdisciplinary Journal of Applied Science, 1(1), 37–47. Retrieved from http://www.redalyc.org/html/928/92810106/
Shimabukuro, Y. E., Santos, J. R., Rudorff, B. F. T., Arai, E., Duarte, V., & Lima, A. (2011). Detección operacional de deforestación y de áreas quemadas en tiempo casi real por medio de imágenes del sensor MODIS. In J. F. Mas (Ed.), Aplicaciones del sensor MODIS para el monitoreo del territorio (pp. 123–143). México: UNAM. Retrieved from http://www.ciga.unam.mx/publicaciones/images/abook_file/aplicacionesMODIS.pdf
Stehman, S. V., & Czaplewski, R. L. (1998). Design and analysis for thematic map accuracy assessment: Fundamental principles. Remote Sensing of Enviroment, 64(3), 331–344. doi: https://doi.org/10.1016/S0034-4257(98)00010-8
Torres-Rojo, J. M., Magaña-Torres, I. S., & Ramírez-Fuentes, G. A. (2007). Índice de peligro de incendios forestales de largo plazo. Agrociencia, 41(6), 663–674. Retrieved from http://www.colpos.mx/agrocien/Bimestral/2007/ago-sep/art-8.pdf
Vera, M. N. (2005). Atlas climático de irradiación solar a partir de imágenes del satélite NOAA. Aplicación a la Península Ibérica. Tesis doctoral, Universidad Politécnica de Cataluña, España.
Vilchis-Frances, A. Y., Díaz-Delgado, C., Magaña-Lona, D., Ba, K. M., & Gómez- Albores, M. A. (2015). Modelado espacial para peligro de incendios forestales con predicción diaria en la cuenca del río Balsas. Agrociencia, 49(7), 803–820. Retrieved from http://www.scielo.org.mx/pdf/agro/v49n7/v49n7a8.pdf
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2020 Revista Chapingo Serie Ciencias Forestales y del Ambiente