26/07/2019
Autor: Carlos Baroja Sáenz
En las siguientes líneas enseñaremos como obtener cartografías de incendios forestales que son de gran utilidad para los gestores de montes ya que los utilizan para tomar decisiones sobre los mismos. Aprenderemos a digitalizar el perímetro de los incendios apoyándonos en composiciones en falso color y obtendremos índices de severidad del incendio empleando imágenes satelitales de libre acceso y utilizando software libre.
Los incendios forestales son una amenaza directa para las personas y los ecosistemas. Sus consecuencias son graves desde el punto de vista socioeconómico, y provocan pérdida de hábitats, degradación de los suelos, emisiones de gases que contribuyen al efecto invernadero, destrucción de infraestructuras, pérdida de vidas humanas, etc.
Los servicios de gestión de la emergencia necesitan de unas cartografías precisas de las superficies afectadas por el fuego, para valorar las diferentes actuaciones y prevenir daños de mayor entidad.
La familia de satélites del programa Copernicus de la ESA (European Space Agency) proporcionan una información muy útil que sirve para generar productos como la determinación del perímetro del incendio, mapas de severidad o índices de vegetación. En concreto utilizaremos las imágenes de Sentinel-2, el satélite de observación terrestre que ofrece una resolución espacial y temporal que mejoran las características de los satélites de la familia Landsat.
Para acceder a las imágenes satelitales es necesario crear una cuenta en Copernicus Open Access Hub ( https://scihub.copernicus.eu/dhus/#/self-registration ). Una vez registrados, la interfaz permite establecer una serie de criterios en la búsqueda de imágenes. Interesa obtener dos imágenes satelitales de Sentinel-2 (reflectividad de la superficie), una prefuego y otra postfuego, lo más próximas en el tiempo posible y libres de nubes. La imagen postfuego permitirá la visualización del incendio en una composición en falso color para la digitalización del perímetro y a partir de las dos imágenes se obtendrán índices espectrales como el de severidad.
En este caso de ejemplo, cartografiaremos el incendio forestal que se produjo el día 23/07/2019 en los términos municipales de Perdiguera y Leciñena y próximo a la Sierra de Alcubierre. Podemos dibujar un polígono sobre el área donde se localiza el incendio para facilitar la búsqueda de las imágenes.
En los criterios de búsqueda seleccionamos las fechas más próximas a la ocurrencia del incendio. Especificamos que sean de la misión Sentinel-2 y elegimos el producto S2MSI2A (reflectividad de la superficie corregida atmosféricamente).
Antes de descargar la imagen, la previsualización Quicklook puede ayudarnos a descartar la presencia de nubes sobre el área de interés.
En este caso se han descargado dos imágenes satelitales, una prefuego con fecha de adquisición 23/07/2019 y otra postfuego con fecha 25/07/2019.
Generación de Layer Stack en QGIS 3.6
Una vez tengamos descargadas las dos imágenes de Sentinel-2 debemos generar un archivo conjunto con todas las bandas, conocido en teledetección como Layer Stack, lo que nos permitirá realizar las composiciones en falso color que sean más adecuadas para la identificación del área quemada.
Una de las composiciones en falso color más utilizada en la identificación de incendios es la SWIR/NIR/RED, lo que supone visualizar en el rojo el infrarrojo de onda corta (banda 12), en el verde el infrarrojo cercano (banda 8) y en el azul el rojo (banda 4).
El resultado de esta composición en falso color son tonos verdes brillantes para la vegetación no quemada y tonos rojizos para las superficies quemadas. Este comportamiento se debe al cambio en la reflectividad que se produce en las diferentes regiones del espectro electromagnético cuando la vegetación se quema.
Para generar el layer stack con todas las bandas de resolución 20 metros, utilizaremos la herramienta de combinar, en el apartado de Ráster de QGIS 3.6.
En las capas de entrada seleccionamos las 9 bandas con resolución de 20 metros por orden de numeración, de tal forma que la primera banda será la 2 y la última la banda 12. De esta forma nos aseguramos saber en que posición está cada banda para las posteriores combinaciones en falso color.
La información de cada banda en los productos Sentinel-2 se encuentra en esta carpeta:
En la carpeta R10m nos encontramos las bandas que tienen una resolución espacial de 10 metros GSD, en el R20m las de 20 metros y en la R60m las de 60 metros.
A continuación, se muestran todas las bandas que han de incorporarse como input del Layer Stack, que son un total de 9 bandas con una resolución de 20 metros GSD.
Es muy importante marcar la casilla de colocar cada archivo de entrada en una banda separada, de lo contrario, el algoritmo combinará todas las bandas en una única tesela ráster. También es muy importante incorporar las bandas ordenadas en la herramienta de combinar, de la 2 a la 12 (un total de 9 bandas). De esta forma nos aseguramos que la banda 1 del Layer Stack se corresponde con la banda 2 de Sentinel y la última banda del Layer Stack con la banda 12 de Sentinel. Este último proceso, nos permite hacer composiciones en falso color al conocer el usuario la posición de cada banda en el Layer Stack.
Para una correcta visualización del archivo generado, en una composición de color SWIR/NIR/RED, en las propiedades de la capa, en simbología seleccionaremos color de multibanda y al cañón del rojo le asignaremos la banda 9 (banda 12 de Sentinel-2), al verde la banda 7 (banda 8 de Sentinel-2) y al azul la banda 3 (banda 4 de Sentinel-2).
Configuraremos además un realce de 2 desviaciones estándar, para que se aprovechen mejor los niveles digitales en la visualización de la imagen.
El resultado de aplicar el paso anterior es el siguiente. Las zonas con presencia de vegetación vigorosa se ven verdes brillantes, y en este caso coinciden con los cultivos de regadío de la huerta del Ebro y del Gállego. La vegetación de zonas forestales se ve verde, pero con colores más apagados y las zonas sin vegetación o con escasa presencia de vegetación de colores rojizos o rosáceos.
Realizaremos el mismo proceso con la imagen postfuego, estableceremos la misma composición en falso color y digitalizaremos en pantalla el perímetro del incendio. Así es la comparativa entre las imágenes prefuego y postfuego utilizando esta composición en falso color SWIR/NIR/RED y en las que se puede visualizar claramente el área afectada por el fuego.
Para digitalizar en pantalla el perímetro del incendio, utilizaremos la composición en falso color SWIR/NIR/RED con realce del histograma. El incendio se verá claramente en la imagen con tonos rojizos. Crearemos una nueva capa GeoPackage para la digitalización en pantalla del perímetro. No obstante, hay que recordar que cuando se trata de incendios de grandes dimensiones, se activa el protocolo de emergencias de Copernicus y estos se encargan de elaborar la cartografía del incendio, generalmente usando imágenes satelitales de alta resolución espacial que adquieren gracias a acuerdos con las compañías proveedoras de imágenes. Puede consultarse la información referente a este incendio en el siguiente link:
https://emergency.copernicus.eu/mapping/list-of-components/EMSR373
No obstante, esta técnica de digitalización en pantalla puede servir para determinar los perímetros de incendios de menor entidad en los que no se active el protocolo de emergencias del programa Copernicus.
Será necesario cartografiar los límites del perímetro a una escala adecuada y constante. Además es interesante la extracción de islas no quemadas para el cálculo de la superficie incendiada en hectáreas.
En este caso, nos limitaremos a aprovechar la información que nos brinda el servicio EMS de Copernicus, entre los que se encuentra un archivo shapefile del perímetro del fuego en el incendio de Perdiguera – Leciñena.
La imagen anterior muestra el perímetro digitalizado por el servicio EMS pero perfectamente pordría haber sido el resultado de la digitalización en pantalla por parte del usuario.
Cálculo de índice de Severidad del fuego (dNBR)
La severidad del fuego es un parámetro de gran interés en la evaluación de un incendio. Numerosos estudios han demostrado una relación inversa entre la severidad y la tasa de recuperación de la vegetación. De tal forma que este parámetro es útil para la planificación de actuaciones de regeneración vegetal y minimización de los daños.
Utilizaremos para ello el índice dNBR, ampliamente utilizado por la comunidad científica en la evaluación de la severidad de los incendios forestales.
NBR (Normalized Burnt Ratio) es un índice que compara las bandas del infrarrojo de onda corta (banda 12 Sentinel-2) y la banda infrarroja cercana (banda 8a Sentinel-2), ambas de resolución espacial de 20 metros. Cargaremos las dos bandas en el proyecto de QGIS.
El comentado índice se basa en los cambios de reflectividad que se producen cuando la vegetación se ve afectada por el fuego. La destrucción de la estructura celular de las hojas provoca un descenso de la reflectividad en el infrarrojo cercano y un aumento de la reflectividad en el infrarrojo de onda corta por el aumento de la sequedad.
Cálculo del NBR pre en el área de estudio; utilizaremos la calculadora ráster incluyendo la siguiente expresión:
NBR = (Banda 8 NIR – Banda 12 SWIR) / (Banda 8 NIR + Banda 12 SWIR) * 1000
dNBR = NBR pre – NBR post
A continuación, se muestra el resultado del NBR postfuego, que es uno de los productos previos que junto con el NBR prefuego hay que generar con la calculadora ráster para la obtención del índice de severidad dNBR.
Cuando tengamos calculado tanto el NBR prefuego, como el NBR postfuego, podremos calcular el dNBR que es la diferencia entre ambos.
En la siguiente imagen se muestra el índice dNBR, que es que en última instancia el que interesa para valorar la severidad del incendio. Será necesario hacer una clasificación de los valores de los niveles digitales para interpretar mejor las diferentes severidades, así como aplicar una paleta de color para facilitar la interpretación de los datos.
Debido a que únicamente interesa la información contenida dentro del perímetro del incendio, podemos extraer la información de dNBR y recortarla para que se adapte al perímetro del incendio. Esto lo haremos utilizando una herramienta que nos ofrece GDAL y que está implementada en QGIS. El nombre de la herramienta es “Cortar ráster por capa de máscara”.
En la capa de entrada se especifica el dNBR, en la capa de máscara el perímetro del incendio, y guardamos el archivo en el directorio que deseemos.
El resultado es el valor del índice dNBR, pero el que se encuentra únicamente contenido dentro de los límites del incendio.
Para clasificar la severidad utilizaremos la clasificación propuesta por los autores Key & Benson en el proyecto FIREMON.
En las propiedades de la capa, en el apartado de simbología debemos seleccionar Pseudocolor monobanda e interpolación discreta. Establecemos 5 clases y en el apartado de valor, le pondremos los umbrales de severidad de Key & Benson (100 / 270 / 440 / 660 / Max). Aplicaremos una paleta de color de color rojo, con tonos más intensos cuanto mayor sea la severidad y a la primera clase que es la que se corresponde con las superficies no quemadas le pondremos un color verde, para que sea perfectamente distinguible de las superficies quemadas.
Con la metodología expuesta en este tutorial, podemos generar cartografías de severidad para cualquier incendio forestal utilizando las imágenes de Sentinel-2 y QGIS. Estos mapas pueden ser de gran utilidad para la planificación de actuaciones de regeneración forestal y minimización de daños.
Esperemos que les sea de gran utilidad.
