Evaluación de daños de la tormenta de viento Klaus 2009

en la zona forestal de Aquitania – Francia, mediante datos MODIS y ETM+.

Autor: Francisco Cabrera Torres; francato@alumni.uv.es
Tutor: Aleixandre Verger; aleixandre.verger@uv.es

1 RESUMEN

El presente estudio hace uso de datos provenientes de los sensores MODIS y ETM+ con la finalidad de evaluar los daños generados por la tormenta Klaus
(23 al 25 de enero de 2009), específicamente en el bosque de Las Landas, el cual esta constituido netamente por pinos.
Tres técnicas de cambio fueron abordadas para cuantificar las zonas afectadas, la primera es a partir de clasificaciones no supervisadas, donde el método
k-means es el más fiable; las dos técnicas restantes se basaron en la aplicación de índices de vegetación y análisis de componentes principales, las cuales
presentan entre el 10 y 15% de afectación de la zona de estudio.
Para finalizar se realizó el mapa de cambios en base a las variables categorizadas obtenidas del sensor ETM+; dicho mapa fue validado con los productos
de Pieter Kempeneers y con el Inventario Forestal Nacional de Francia, consiguiendo un acuerdo de 37,25 y 22,67% respectivamente.

2 MATERIAL Y MÉTODO
A. ADQUISICIÓN Y
B. DETECCIÓN DE CAMBIOS C. MAPA DE CAMBIOS
TRATAMIENTO DE IMÁGENES

ETM+1 MODIS2 1. Clasificación no Selección del mejor

(14/03/2008, 25/11/2008,
17/03/2009, 27/10/2009)
Cálculo de radiancias y
reflectividades (método del
punto oscuro)
Corrección del bandeado,
método LLHM3
Mosaico de imágenes
1. Imágenes obtenidas de http://glovis.usgs.gov/
3. Local Lineal Histogram Matching
5. Análisis de Componentes Principales
7. Índice Kappa
(03/2008, 11/2008,
03/2009, 11/2009)
Análisis de calidad,
nubosidad <1%
Aplicar factor de conversión
para la obtención de
reflectividades
Extracción del área de interés
en común
2. Imágenes cedidas por Pieter Kempeneers
4. Normalized Difference Vegetation Index
6. Precisión global
8. Desviación estándar
supervisada (k-medias,
isodata)
Agrupamiento de clases
en: Bosque (1),
NoBosque (2) y Agua (3)
Validación con la
clasificación de Pieter
Kempeneers
Estadísticas de detección
de cambio con las
mejores clasificaciones
(OA6 y k7)
2. NDVI4 3. ACP5
clasificador
Utilización de las bandas Utilización de las bandas Uso de SIG para
ETM+ (3 y 4) y de MODIS ETM+ (3, 4 y 5) y de determinar porcentaje
(1 y 2) MODIS (1, 2 y 6) de áreas afectadas
Enmascaramiento de las Generación y cálculo de Validación con el mapa
áreas correspondientes a CP de una imagen bi- de Pieter Kempeneers
agua temporal
Validación con el mapa
Diferencia de imágenes Método heurístico para del Inventario Forestal
NDVI entre fechas determinar la mejor CP Nacional de Francia
Aplicación de umbral (u), basado en σ8
de la imagen; valores <u indica zonas
de cambio y >u zonas de no cambio

3 RESULTADOS

El producto generado de la eliminación del bandeado de la imágenes del sensor ETM+ SLC- En el gráfico anterior se evidencia una sobreestimación de los resultados en comparación
off, se lo evidencia a continuación: al producto de Pieter Kempeneers; cabe mencionar que las zonas no afectadas equivalen a
la diferencia entre la superficie total (≈ 18830 km2) y las áreas afectadas.
Posterior a esto se generaron los mapas de cambios (por municipio y por parcela) en base
al análisis multitemporal de las clasificaciones no supervisadas de la imagen ETM+ del mes
de noviembre; además dichos mapas fueron confrontados con los productos de Pieter
Kempeneers y del Inventario Forestal Nacional de Francia, como se indica a continuación:

A partir de esto y del cálculo de magnitudes físicas de las imágenes ETM+ y MODIS, se
aplicaron diferentes clasificaciones no supervisadas, las cuales fueron evaluadas,
obteniendo los siguientes resultados:

Donde n representa el número de clases e it las iteraciones empleadas al realizar la

clasificación.
Seguidamente al aplicar las técnicas de detección de cambios se obtuvieron dos clases, las Para finalizar se presenta un resumen de la validación realizada; cabe destacar que el
zonas no afectadas y las zonas afectadas, a partir de esta última clase se generó un gráfico Inventario Forestal Nacional posee áreas no intervenidas, las cuales dentro de este estudio
de barras, como se indica a continuación: pudieron ser abordadas, siendo denominadas “Zonas tratadas con Landsat7”:

Validación con el producto de Pieter Validación con el producto de Inventario

Kempeneers Forestal Nacional de Francia

20,63% 22,67%
37,25%
51,37% 15,05%

11,38% 41,65%

Equivalente Subestima Sobreestima Equivalente Subestima Sobreestima Zonas tratadas con Landsat7

4 CONCLUSIONES 5 REFERENCIAS

En base a los parámetros OA y k se comprueba que el clasificador k-means (3 iteraciones)
posee mejores resultados en comparación al resto de clasificadores utilizados, arrojando
resultados superiores al 75% y 0,6 respectivamente.
Los resultados obtenidos a partir de las tres técnicas de detección de cambios presentan una
sobreestimación en las áreas de afectación en comparación al producto de Pieter
Kempeneers, sin embargo existe un mayor acuerdo con los resultados de las imágenes ETM+.
El mapa de cambios generado a partir del mejor clasificador, fue validado con las cartografías
vectoriales a nivel municipal (Pieter Kempeneers) y a nivel de parcelas (Inventario Forestal
Nacional de Francia), presentando áreas subestimadas correspondientes al 11,38 y 41,65%
respectivamente, por ende dichas zonas requieren de un análisis
más minucioso sobre todo al tratar y clasificar las imágenes.
 Chander, G., Markham, B., Helder, D. (2009). Summary of current radiometric calibration
coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment,
113, 893–903.
 Chuvieco, E. (2010). Teledetección ambiental. 591 pp. Editorial Planeta, Barcelona, España.
 García-Haro, F., Gilabert, M., Meliá, J. (2001). Monitoring fire-affected areas using Thematic
Mapper data. International Journal of Remote Sensing, 22:4, 533-549.
 Martínez, A. (2013). Detecció i quantificació dels danys naturals de la tempesta Klaus en
Aquitània mitjançant dades MODIS. 57 pp. TFM, Máster en Teledetección, Universidad de
Valencia, España.
 Saldarriaga, L. (2014). Reconstrucción de base de datos Landsat7 ETM+ SLC-off para cuantificar,
detectar cambios y cartografiar la cobertura vegetal del valle bajo del río Chira – Perú, durante el
período 2005-2014. 68 pp. TFM, Máster en Teledetección, Universidad de Valencia, España.