Resumen de Potencialidad de la generación de índices de cambio estructural mediante la utilización de métricas LiDAR pre y post incendio para el análisis de la severidad en bosques de Pinus canariensis

Eduardo Martínez Díaz, Antonio Luis Montealegre Gracia, María Teresa Lamelas Gracia

• español

  La estimación de la severidad es una práctica común para abordar la recuperación de las áreas quemadas y mejorar la planificación de la gestión post-incendio. La disponibilidad de datos LiDAR (Light Detection And Ranging) multitemporales, proporcionados por el Plan Nacional de Ortofotografía Aérea (PNOA), abre una línea de investigación para analizar el impacto de la severidad mediante la utilización de índices basados en las diferencias estructurales entre la situación pre- y post-fuego de la vegetación. Este trabajo analiza dos incendios ocurridos en las islas de La Palma y Tenerife durante el tiempo transcurrido entre las dos coberturas LiDAR-PNOA (2009-2016). Para evaluar la capacidad de los datos LiDAR se han seleccionado píxeles con diferentes niveles de severidad, obtenidos de los índices dNBR y RdNBR calculados con imágenes Landsat, y se han correlacionado con una serie de índices estructurales derivados de las alturas de los retornos LiDAR. Los resultados demuestran el potencial del análisis multitemporal con datos LiDAR, siendo los índices vinculados con la densidad forestal los que obtienen las correlaciones más fuertes (hasta 0,69). Además, el estudio arroja diferencias en cuanto al tipo de cubierta forestal afectada y evidencia la necesidad de contar con coberturas LiDAR próximas a los incendios.

• English

  Severity estimation is a common practice to address the recovery of burned areas and improve post-fire management planning. The availability of multitemporal LiDAR (Light Detection And Ranging) data, provided by the National Plan for Aerial Orthophotography (PNOA), opens a line of research to analyze the impact of severity through the use of indices based on structural differences between pre- and post-fire vegetation state.

  This research analyzes two fires occurred on La Palma and Tenerife islands during the elapsed time between the two LiDAR-PNOA captures (2009-2016). To evaluate the suitability of LiDAR data, pixels with different severity values have been selected using the dNBR and RdNBR indices calculated from Landsat images. The severity values have been correlated with several structural indices derived from the LiDAR return heights metrics. The results demonstrate the potential of multitemporal analysis of LiDAR data, being the indices related to forest density those obtaining the strongest correlations (up to 0.69). In addition, the study shows differences in the type of forest cover affected and the need for LiDAR captures closer to the fire ocurrence dates.