Estimación de la severidad en incendios forestales a partir de datos LiDAR-PNOA y valores de Composite Burn Index

[EN] Mediterranean pine forests in Spain experience wildland fire events with different frequencies, intensities, and severities. An estimation of the fire severity as accurate as possible is required by forest managers to decide which strategy is most appropriate to mitigate the effect of fire. The...

ver descrição completa

Detalhes bibliográficos
Autores: Montealegre, A. L., Lamelas, M. T., Tanase, M. A., de la Riva, J.
Formato: artículo
Fecha de publicación:2017
País:España
Recursos:Universitat Politècnica de València (UPV)
Repositorio:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Idioma:español
OAI Identifier:oai:riunet.upv.es:10251/92733
Acesso em linha:https://riunet.upv.es/handle/10251/92733
Access Level:acceso abierto
Palavra-chave:Severidad del fuego
CBI
LiDAR
Bosque mediterráneo
Regresión logística
Fire severity
Mediterranean forest
Logistic regression
id ES_e6b219a1a8930afacee6aef07d79dee4
oai_identifier_str oai:riunet.upv.es:10251/92733
network_acronym_str ES
network_name_str España
repository_id_str
spelling Estimación de la severidad en incendios forestales a partir de datos LiDAR-PNOA y valores de Composite Burn IndexForest fire severity estimation based on the LiDAR-PNOA data and the values of the Composite Burn IndexMontealegre, A. L.Lamelas, M. T.Tanase, M. A.de la Riva, J.Severidad del fuegoCBILiDARBosque mediterráneoRegresión logísticaFire severityMediterranean forestLogistic regression[EN] Mediterranean pine forests in Spain experience wildland fire events with different frequencies, intensities, and severities. An estimation of the fire severity as accurate as possible is required by forest managers to decide which strategy is most appropriate to mitigate the effect of fire. The aim of this research is to estimate the post-fire severity, relating a pool of independent variables derived from the LiDAR (Light Detection And Ranging) points clouds delivered by the National Plan for Aerial Orthophotography (PNOA) to field data based on Composite Burn Index collected in four fires located in Aragón (Spain). Logistic regression models were developed and statistically tested and validated to map fire severity with up to 85.5% accuracy. The canopy relief ratio and the percentage of all returns above one meter height were the most significant variables. In addition, the obtained results are compared to different spectral indices derived from Landsat Thematic Mapper.[ES] Los pinares mediterráneos españoles se ven afectados por incendios forestales con diferente frecuencia, intensidad y severidad. Para su valoración, hay que recurrir a estimaciones lo más precisas posibles de la severidad, la cual podrá ayudar a los gestores del bosque a decidir qué estrategia es más adecuada para mitigar el efecto del fuego. El objetivo de esta investigación es la estimación de la severidad post-incendio, relacionando un conjunto de variables independientes derivadas de las nubes de puntos del vuelo LiDAR (Light Detection And Ranging) del Plan Nacional de Ortofotografía Aérea (PNOA), con datos de campo basados en el índice CBI (Composite Burn Index) y recogidos en cuatro incendios localizados en Aragón. Se ha ajustado un modelo de regresión logística, que tras la validación, ha reportado una precisión del 85,5%, siendo las variables “canopy relief ratio” y el porcentaje de puntos por encima de 1 m de altura sobre el terreno, las incluidas en dicho modelo. Por otro lado, se ha realizado una comparativa de los resultados con índices espectrales derivados de imágenes Landsat Thematic Mapper.Estos trabajos han sido financiados por la beca pre-doctoral (FPI BOA 30, 11/02/2011) del Gobierno de Aragón y el proyecto CGL2014-57013-C2-2-R, y han contado con la ayuda de Francisco Palú, Marco Lorenzo y Emilio Pérez-Aguilar del Servicio Provincial de Agricultura, Ganadería y Medio Ambiente del Gobierno de Aragón. Los au-tores agradecen al Centro Nacional de Información Geográfica y al Centro de Información Territorial de Aragón por proporcionar los datos LiDAR-PNOA y al CENAD “San Gregorio” por facilitar el acceso a las parcelas de campo.Universitat Politècnica de ValènciaMinisterio de Economía y CompetitividadRepositorio Institucional de la Universitat Politècnica de València Riunet20172017-12-05journal articlehttp://purl.org/coar/resource_type/c_6501VoRhttp://purl.org/coar/version/c_970fb48d4fbd8a85info:eu-repo/semantics/articleapplication/pdfhttps://riunet.upv.es/handle/10251/92733reponame:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valénciainstname:Universitat Politècnica de València (UPV)EspañolspaMinisterio de Economía y Competitividad http://dx.doi.org/10.13039/501100003329 CGL2014-57013-C2-2-R SEVERIDAD Y REGENERACION EN GRANDES INCENDIOS FORESTALES MEDIANTE TELEDETECCION Y S.I.G.: ANALISIS DE LA REGENERACIONopen accesshttp://purl.org/coar/access_right/c_abf2Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:riunet.upv.es:10251/927332026-06-13T07:49:27Z
dc.title.none.fl_str_mv Estimación de la severidad en incendios forestales a partir de datos LiDAR-PNOA y valores de Composite Burn Index
Forest fire severity estimation based on the LiDAR-PNOA data and the values of the Composite Burn Index
title Estimación de la severidad en incendios forestales a partir de datos LiDAR-PNOA y valores de Composite Burn Index
spellingShingle Estimación de la severidad en incendios forestales a partir de datos LiDAR-PNOA y valores de Composite Burn Index
Montealegre, A. L.
Severidad del fuego
CBI
LiDAR
Bosque mediterráneo
Regresión logística
Fire severity
Mediterranean forest
Logistic regression
title_short Estimación de la severidad en incendios forestales a partir de datos LiDAR-PNOA y valores de Composite Burn Index
title_full Estimación de la severidad en incendios forestales a partir de datos LiDAR-PNOA y valores de Composite Burn Index
title_fullStr Estimación de la severidad en incendios forestales a partir de datos LiDAR-PNOA y valores de Composite Burn Index
title_full_unstemmed Estimación de la severidad en incendios forestales a partir de datos LiDAR-PNOA y valores de Composite Burn Index
title_sort Estimación de la severidad en incendios forestales a partir de datos LiDAR-PNOA y valores de Composite Burn Index
dc.creator.none.fl_str_mv Montealegre, A. L.
Lamelas, M. T.
Tanase, M. A.
de la Riva, J.
author Montealegre, A. L.
author_facet Montealegre, A. L.
Lamelas, M. T.
Tanase, M. A.
de la Riva, J.
author_role author
author2 Lamelas, M. T.
Tanase, M. A.
de la Riva, J.
author2_role author
author
author
dc.contributor.none.fl_str_mv Ministerio de Economía y Competitividad
Repositorio Institucional de la Universitat Politècnica de València Riunet
dc.subject.none.fl_str_mv Severidad del fuego
CBI
LiDAR
Bosque mediterráneo
Regresión logística
Fire severity
Mediterranean forest
Logistic regression
topic Severidad del fuego
CBI
LiDAR
Bosque mediterráneo
Regresión logística
Fire severity
Mediterranean forest
Logistic regression
description [EN] Mediterranean pine forests in Spain experience wildland fire events with different frequencies, intensities, and severities. An estimation of the fire severity as accurate as possible is required by forest managers to decide which strategy is most appropriate to mitigate the effect of fire. The aim of this research is to estimate the post-fire severity, relating a pool of independent variables derived from the LiDAR (Light Detection And Ranging) points clouds delivered by the National Plan for Aerial Orthophotography (PNOA) to field data based on Composite Burn Index collected in four fires located in Aragón (Spain). Logistic regression models were developed and statistically tested and validated to map fire severity with up to 85.5% accuracy. The canopy relief ratio and the percentage of all returns above one meter height were the most significant variables. In addition, the obtained results are compared to different spectral indices derived from Landsat Thematic Mapper.
publishDate 2017
dc.date.none.fl_str_mv 2017
2017-12-05
dc.type.none.fl_str_mv journal article
http://purl.org/coar/resource_type/c_6501
VoR
http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.openaire.fl_str_mv info:eu-repo/semantics/article
format article
dc.identifier.none.fl_str_mv https://riunet.upv.es/handle/10251/92733
url https://riunet.upv.es/handle/10251/92733
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.relation.none.fl_str_mv Ministerio de Economía y Competitividad http://dx.doi.org/10.13039/501100003329 CGL2014-57013-C2-2-R SEVERIDAD Y REGENERACION EN GRANDES INCENDIOS FORESTALES MEDIANTE TELEDETECCION Y S.I.G.: ANALISIS DE LA REGENERACION
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Reconocimiento - No comercial - Sin obra derivada (by-nc-nd)
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Reconocimiento - No comercial - Sin obra derivada (by-nc-nd)
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universitat Politècnica de València
publisher.none.fl_str_mv Universitat Politècnica de València
dc.source.none.fl_str_mv reponame:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
instname:Universitat Politècnica de València (UPV)
instname_str Universitat Politècnica de València (UPV)
reponame_str RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
collection RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869422789303205888
score 15,301603

Registos relacionados