ANÁLISIS DE SEVERIDAD DEL INCENDIO FORESTAL OCURRIDO EN

GRAN CANARIA EN AGOSTO DE 2019 POR MEDIO DE IMÁGENES

SATELITALES SENTINEL 2

PRESENTA
JOSE MIGUEL MUÑOZ RODRIGUEZ

RECIBE
MTRO. PABLO FLORES LORENZO

MATERIA
TRATAMIENTO DIGITAL DE IMÁGENES

UNIVERSIDAD AUTONOMA DEL ESTADO DE MÉXICO

ESPECIALIZACION EN CARTOGRAFIA AUTOMATIZADA, TELEDETECCION Y SIG
FACULTAD DE GEOGRAFIA
TOLUCA, ESTADO DE MÉXICO
ABRIL DE 2022
 ANÁLISIS DE SEVERIDAD DEL INCENDIO FORESTAL
OCURRIDO EN GRAN CANARIA EN AGOSTO DE 2019
POR MEDIO DE IMÁGENES SATELITALES SENTINEL 2

J. M. Muñoz Rodriguez

RESUMEN:

El trabajo actual tiene como objetivo determinar las áreas afectadas y la severidad del incendio forestal
ocurrido el 17 de agosto de 2019 en la Isla Gran Canaria, España a partir de imágenes satélite Sentinel
2 obtenidas por Open Hub Copernicus. El área afectada se determinó a partir del cociente normalizado
del área quemada: NBR (Normalized Burn Ratio), lo que demuestra que los procedimientos de
detección remota desarrollados en el software SNAP pueden evaluar los impactos negativos en la
cubierta vegetal. Los resultados se muestran de manera cualitativa, cuantitativa y con la debida
representación espacial.

Palabras claves: Índice normalizado del área quemada, NBR, sentinel 2, teledetección, incendios
forestales, SNAP.

1. INTRODUCCIÓN seguridad económica y humana del área

Las áreas forestales son esenciales para la vida
en el planeta, brindan soporte básico para los
ciclos de producción y distribución de materias
primas en diversas actividades humanas,
mantienen el equilibrio ecológico y determinan
la calidad de vida, la regulación de la
temperatura y la humedad. Estos importantes
procesos están influenciados por actividades
externas como: la degradación de la tierra, la
deforestación, la sobreexplotación y los
incendios, que tienen un efecto negativo sobre
estos recursos. El fuego puede tener un efecto
positivo en la naturaleza, pero cuando se usa de
manera irresponsable o debido a condiciones
desfavorables, puede convertirse en un
incendio forestal. Ocurre cuando los incendios
se extienden fuera de control y afectan bosques,
selvas u otros ecosistemas, dañando el medio
ambiente, la diversidad natural e incluso la
afectada (Plana Bach, 2016).
Estudiar los incendios forestales por medio de
la teledetección, con el objetivo de planear
estrategias para la gestión, mitigación y
prevención de los incendios forestales, por lo
que la teledetección, cartografía y los sistemas
de información geográfica, ayudan en la
implementación de medidas que ayuden a
mejorar esta problemática.
La teledetección es la técnica de obtener datos
de la superficie terrestre a partir de sensores
instalados en plataformas espaciales. La
interacción electromagnética entre el suelo y el
sensor genera una serie de datos que luego se
procesan para obtener información
interpretable sobre la Tierra (IGN, 2020). La
adquisición de información a distancia implica
la existencia de un flujo de información entre el
objeto observado y el sensor. El portador de
esta información es la radiación
electromagnética, esta puede ser emitida por el
objeto o proceder de otro cuerpo y haber sido
reflejada por este (Chuvieco, 2003). De igual
forma, la observación remota puede basarse
también en la energía emitida por las propias
cubiertas, o en la que podríamos enviar desde
un sensor que fuera capaz, tanto de generar su
propio flujo energético, como de recoger su
reflexión sobre la superficie terrestre. Ello ha
sido posible gracias al desarrollo que han
experimentado, por un lado, las técnicas de
tratamiento digital de imágenes, lo cual ha
facilitado la obtención de datos significativos
del territorio, y por otro, el acceso a la
exhaustiva información digital proporcionada
por sensores en su aspecto espacial,
radiométrico, espectral y temporal (Chuvieco,
2003). Las imágenes de los satélites Sentinel
del programa Copernicus, tanto para territorio
nacional como europeo e internacional están a
disposición del público general con acceso libre
y gratuito. Los satélites que proporcionan estas
imágenes son:
a. Sentinel-1, que proporcionan imágenes
radar terrestres y oceánicas.
b. Sentinel-2, que proporcionan imágenes
ópticas terrestres, están disponibles
como productos nivel 1C (corregidos
radiométrica y geométricamente) y
nivel 2A (corregido atmosféricamente).
c. Sentinel-3, proporciona servicios
globales de vigilancia terrestre y
oceánica
d. Sentinel-4, proporciona datos para la
vigilancia de la composición
atmosférica.
e. Sentinel-5, también proporciona datos
para la vigilancia de la composición
atmosférica.
f. Sentinel-6, proporciona datos
altimétricos de alta precisión (IGN,
2020).
Cuando se genera un incendio forestal, la
energía reflejada desde la superficie de la tierra
cambia drásticamente, porque cuando la
cubierta tiene menos vegetación, la humedad
del suelo cambia, la clorofila disminuye, afecta
el color, cambia la cantidad de cubierta terrestre
debido al aumento del área de tierra desnuda
(Masot, 2016), esta técnica se propone como
una alternativa a tener en cuenta para la
elaboración de un mapa de áreas quemadas, ya
que permite una observación sistemática de
toda la superficie terrestre a través de bandas
cuyos espectros son más sensibles a la
discriminación de señales emitidas por la zona
afectada por la llama. Para ello se utiliza el
índice NBR (Normalized Burn Rate), diseñado
para resaltar áreas quemadas en grandes zonas
de incendio. Es por esto que estudiar estos
resultados, permite a los entes territoriales
evaluar los mecanismos de compensación y
mitigación de impactos post-incendio.
2. PROBLEMÁTICA
En el mes de agosto de 2019, en la Isla Canaria,
se desataron tres incendios que caracterizaron
la región (Ilustración 1). El primero, en la
región de Artenara, inició el día decimo del
mes, el cual consumió 1163 ha, el segundo, en
la región de Cazadores, que inició el 13 de
agosto con 160 ha quemadas y el peor de los
tres incendios que sucedió el día sábado 17 de
agosto de 2019, el fuego se ensaño con la Gran
Canaria verde, entre ellos el parque natural de
Tamadaba, uno de los pinares mejor
conservados y bellos de Canarias, reserva de la
biosfera y parajes recientemente elegidos
Patrimonio Mundial (ESA, 2019).
 Ilustración 1. Incendios ocurridos en la Isla Canaria. Fuente: Meteored
Según estudios realizados, el fuego se inició por
la imprudencia de un vecino de Telde, que
trabajaba con una radial cortando una puerta
metálica en la zona, que por una chispa
desencadenó la tragedia del primero de los tres
incendios en el mismo mes, que avanzó sin
control en pocas horas, convirtiéndose en un
Gran Incendio Forestal, el cual afectó más de
10.000 hectáreas, junto a 9.000 personas
evacuadas de ocho municipios. Los incendios
de agosto de 2019, fueron dados por
extinguidos 40 días después, fecha en la que
inició un proceso de recuperación en las
cumbres calcinadas. Actualmente, el 80% se ha
recuperado, y existe un 20% del territorio en el
que aún es visible el paso de las llamas
(Bautista, 2021).
3. OBJETIVOS
Determinar las áreas afectadas y la severidad
del incendio forestal ocurrido las Islas Canarias
en el mes de agosto de 2019.
3.1 OBJETIVOS ESPECIFICOS
a. Calcular las áreas afectadas por el
incendio forestal, clasificando por la
severidad del diseño forestal.
 b. Realizar un análisis espectral de la
severidad del incendio.
c. Elaborar un mapa que represente la
espacialidad de la severidad del
incendio forestal.
4. ZONA DE ESTUDIO
Gran Canaria es una isla en el Océano
Atlántico, parte de la Comunidad Autónoma de
las Islas Canarias en España. Junto con las islas
de Lanzarote, Fuerteventura y La Graciosa,
forman la provincia de Las Palmas, que
también incluye los islotes de Alegranza,
Montaña Clara, Roque del Este, Roque del
Oeste e Islote de Lobos. Gran Canaria tiene una
superficie de 1.560,1 km y una altitud de 1.956
Mapa 1. Islas de Gran Canaria. Fuente: ViaGallica
metros. La población de la isla en 2020 es de
855.521, lo que la convierte en la segunda isla
más poblada de Canarias, a pesar de ser la más
densamente poblada. La capital de la isla, Las
Palmas de Gran Canaria, es la ciudad más
poblada de las Islas Canarias con 381.223
habitantes, es también la capital de la Provincia
Oriental (Las Palmas) y de la Comunidad
Autónoma de Canarias, con Papá Noel. Cruz de
Tenerife. Gran Canaria presenta una gran
diversidad climática, debida tanto a la gradiente
altitudinal como al efecto de los vientos alisios,
que originan acusadas diferencias paisajísticas
entre barlovento y sotavento, por tal motivo, se
la denomina "El Continente en Miniatura".
(Canaria, 2020).
5. METODOLOGIA

Gráfico 1. Diagrama de flujo para el cálculo de índice normalizado de área quemada

En el grafico 1 es posible visualizar el diagrama
de flujo para el calculo del Índice Normalizado
de Áreas Quemadas, este factor es el resultado
de normalizar la diferencia de reflectancias
entre una banda del infrarrojo (IR) cercano y
una del infrarrojo medio. El contraste entre las
reflectancias de estas bandas está relacionado
con la presencia de vegetación viva. La
vegetación viva es muy reflectiva en la banda
del IR cercano y no tanto en la del IR medio,
mientras que la que ha sufrido daños tiene cada
vez valores de reflectividad más bajos en la
banda del IR cercano y más altos en la del IR
medio. De esta forma, la manera simple y
clásica para evaluar el área quemada y la
severidad del incendio es calcular la imagen del
índice NBR (Relay, 2017).
En el caso de Sentinel-2, el NBR es el resultado
de dividir la diferencia de reflectancias de las
bandas 8 (842nm) y 12 (2190nm), entre la suma
de las mismas:
NIR-SWIR Banda 8 - Banda 12
NBR = =
NIR+SWIR Banda 8 + Banda 12
Una manera más elaborada de evaluar áreas
quemadas es comparar el NBR de dos
imágenes: una anterior y otra posterior al
incendio. De esta manera se suprimen las
superficies que no son área quemada y que sin
embargo tienen un bajo NBR (como suelos
desnudos, caminos y ciertas superficies
brillantes), para fijar el interés sólo en las
superficies que han cambiado tras el incendio
(Relay, 2017). A este índice se le denomina:
dNBR = NBR Pre-Evento -NBR Post-Evento
El dNBR, varía aproximadamente entre -0.5 y
+1.3 (donde los valores más negativos indican
vegetación regenerada, los valores entre -1 y
+0.99 zonas no quemadas y los valores más
positivos zonas afectadas, aumentando con las
severidad de los daños) (Santis, 2017).
Para realizar este procedimiento en el software
especializado SNAP es necesario seguir
adecuadamente lo que se expresa en el grafico
1.
5.1 ADQUISICIÓN DE IMÁGENES
SENTINEL 2
En primera medida, se adquieren dos imágenes
sentinel 2, antes y después del incendio forestal.
Al identificar la zona de estudio y las fechas en
donde ocurrió el suceso, en la plataforma web
de Copernicus Scientific Data Hub, es posible
adquirir las imágenes solicitadas. En la
ilustración 2 se visualiza la interfaz de este
sistema, el cual permite buscar los elementos
necesarios para adquirir las imágenes del
incendio forestal, donde tiene como
herramientas el mapa base para la localización
de lugar, la barra de búsqueda y lo más
importante, el icono de dibujo para señalar a
detalle la zona de estudio.
En la ilustración 2, a través de la enumeración
establecida en la imagen, se detalla la manera
en que es posible buscar las imágenes
solicitadas:
1. Barra de búsqueda para encontrar las
imágenes por criterio
2. Sensing Period: Periodo el cual desea
adquirir las imágenes
3. Selección del tipo de satélite de interés
4. Selección del tipo de producto que
corresponda el satélite
5. Guardar búsqueda
6. Búsqueda de la información establecida
 Ilustración 2. Interfaz gráfica de usuario de Copernicus open Access Hub

Ilustración 3. Interfaz para la búsqueda de imágenes en Copernicus Access Hub

Según lo anterior, las imágenes descargadas
corresponden al satélite Sentinel 2, con tipo de
producto L2A, que corresponden a las fechas de
09/08/2019 y 24/08/2019, cuya codificación es
la siguiente:
1. S2A_MSIL2A_20190809T115221_N0
213_R123_T28RDS_20190809T12513
1 banda de referencia al cual se desea recortar.
2. S2B_MSIL2A_20190824T115229_N0
213_R123_T28RDS_20190824T17335
0 permite realizar procedimientos detallados
5.2 RECORTE DE IMAGEN
Es necesario resaltar que los insumos
descargados no son necesitan la corrección
radiométrica, debido a que estos productos,
cuando se obtienen, ya se encuentran
debidamente corregidos, por lo que se procede
a cargar y a seleccionar la zona de interés en las
dos imágenes al software SNAP (Ilustración 4).
Luego de seleccionar la zona de interés, se
procede a recortar las dos imágenes, con la
característica esencial que se debe realizar
exactamente en la misma zona. Para desarrollar
este procedimiento (Ilustración 5), en la barra
de herramientas de SNAP, en el apartado de
“Raster” se selecciona la pestaña “Subset”, el
cual abre una nueva ventana (Ilustración 6),
donde es posible detallar las características
necesarias para el recorte de la imagen. En
primera medida, en la sección se especifica la
Cabe resaltar que el satélite Sentinel 2 presenta
características especiales en sus bandas, el cual
según los requerimientos, por lo que
seleccionar la banda, define la resolución
espacial de referencia al cual se va a recortar la
imagen. En la tabla 1 se visualiza las
características de las bandas de Sentinel 2.
Luego de especificar la banda de referencia, en
la pestaña de “Band Subset” (Ilustración 7) se
seleccionan las bandas que se desean recortar.
Para efectos del presente trabajo, se recortan las
bandas 8 y 12 con referencia a la banda 8, que
son las bandas de principal interés para el
calculo del NBR.

ZONA DE INTERES
ZONA DE INTERES

Ilustración 4. Carga y selección de la zona de interés en imágenes satelitales en el software SNAP

 Herramienta SUBSET

Ilustración 5. Herramienta de SUBSET para recortar imagen en SNAP. Fuente: Propia

Selección
de banda
de
referencia

Ilustración 6. Ventana emergente de SUBSET para la selección de la banda de referencia. Fuente: Propia

Selección
de bandas
a recortar

Ilustración 7. Ventana para la selección de bandas a recortar de la imagen satelital. Fuente: Propia
 SENTINEL 2
Banda Longitud de onda Resolución (m)
Banda 1 - Aerosol 0.43 - 0.45 60
Banda 2 - Blue 0.45 - 0.52 10
Banda 3 - Green 0.54 - 0.57 10
Banda 4 - Red 0.65 - 0.68 10
Banda 5 - Red edge 1 0.69 - 0.71 20
Banda 6 - Red edge 2 0.73 - 0.74 20
Banda 7 - Red edge 3 0.77 - 0.79 20
Banda 8 - Near Infrared (NIR) 1 0.78 - 0.79 10
Banda 8A - Near Infrared (NIR) 2 0.85 - 0.87 20
Banda 9 - Water vapour 0.93 - 0.95 60
Banda 10 - Cirrus 1.36 - 1.39 60
Banda 11 - SWIR 1 1.56 - 1.65 20
Banda 12 - SWIR 2 2.10 - 2.28 20
Tabla 1. Bandas Sentinel 2. Fuente: Echeverria (USGS, 2017)

5.3 RESAMPLING DE LA (Ilustración 10), donde es posible seleccionar la

IMAGEN banda de referencia el cual se desean adquirir
las imágenes. Es de recordar que en la tabla 1,
El “resampling” es una técnica matemática
en el apartado de la resolución espacial, se
usada para crear una nueva imagen con un
detalla este valor, por lo que si se desea que la
tamaño diferente de píxel. En los términos más
imagen resulte con una resolución de 10m,
básicos, el remuestreo es el proceso de
basta con especificar la banda de selección.
transformar geométricamente imágenes
Para el presente trabajo, como solamente se
digitales (Dodgson, 1992 ).
recortaron las imágenes 8 y 12, ambas
Para realizar este procedimiento en el software
imágenes recortadas se remuestran con base a
SNAP, en la pestaña de “Raster” existe la
la banda 8, que tiene resolución espacial de
herramienta denominada “Resampling”, que se
10m.
encuentra en la sección de “Geometric”
(Ilustración 8), donde permite remuestrar las
5.4 OPERACIÓN MATEMATICA
dos imágenes recortadas. Para esto (Ilustración
ENTRE BANDAS
9), se seleccionan las imágenes del
Para calcular el índice de severidad de
procedimiento anterior, por lo que se
incendios, es necesario entrar a la sección de
recomienda guardar la imagen en el disco local
“Band Maths” (Ilustración 11) que se encuentra
C, y además de identificar las imágenes según
también en la sección de “Raster” de SNAP,
corresponda en “PRE” y “POST” evento, el
donde se abre una ventana emergente, para que
cual permite reconocer con facilidad la
en la sección de “Edit expresión” (Ilustración
temporalidad de las imágenes. De esta manera
12) se calcule el NBR para la imagen PRE y
se tienen los parámetros de remuestreo
POST (Ilustración 13).
 Sección de
RESAMPLING

Ilustración 8. Pestaña de RESAMPLIG en la sección de GEOMETRIC en la pestaña de RASTER. Fuente: Propia

Selección de imagen

Edición del nombre resultante

Guardar resultado

Ilustración 9. Ventana emergente de RESAMPLING para editar nombre de la imagen y guardar el resultado. Fuente: Propia

Selección de imagen
de referencia

Ilustración 10. Ventana emergente de los parámetros del RESAMPLING, donde se selecciona la imagen de referencia. Fuente: Propia
 Band Maths

Ilustración 11. Sección de RASTER para seleccionar BAND MATHS. Fuente: Propia

Nombre del cálculo

Edit Expression

Ilustración 12. Ventana emergente de BAND MATHS, donde se entra en EDIT EXPRESSION para el cálculo de NBR. Fuente: Propia

Operación matemática de NBR

Ilustración 13. Cálculo de NBR el BAND MATHS EXPRESSION EDITOR. Fuente: Propia
 5.5 CALCULO DE dNBR
Para calcular el grado de afectación de áreas
quemadas (dNBR) se debe seguir la ecuación 2,
por lo que para realizar este procedimiento es
necesario seguir la metodología explicita en el
apartado 5.4, con la diferencia que se van a
restar los resultados obtenidos del cálculo de
NBR para la imagen PRE y POST. En la
sección de “Product” es pobile seleccionar las
imágenes donde se encuentra el procedimiento
anteriormente realizado (Ilustración 14).

Cálculo de dNBR

Ilustración 14. Cálculo de dNBR con BAND MATHS EXPRESSION EDITOR. Fuente: Propia

quemar, (IV) Quemadura de baja severidad, (V)

5.6 VISUALIZACIÓN DE LA
IMAGEN RESULTADO
El Servicio Geológico de los Estados Unidos
(USGS) propone una tabla de clasificación para
interpretar la gravedad de la quemadura, por lo
cual se distinguen siete niveles de menor a
mayor: (I) Alto recrecimiento post-fuego, (II)
Bajo recrecimiento después del fuego, (III) Sin
Gravedad moderada - Baja, (VI) Gravedad
moderada - Alta y (VII) Quemadura de alta
severidad. Estos rangos están especificados por
el valor del pixel del dNBR, por lo que
clasificar la imagen resultante de manera
adecuada, hace que la visualización del
fenómeno se pueda analizar de mejor manera
(ONU, 2020).

Tabla 2. Clasificación de interpretación para la gravedad de la quemadura. Fuente: (USGS, 2020)

Para realizar este procedimiento en SNAP se
procede a agregar nuevos “Sliders” que
clasifiquen los rangos anteriormente expuestos,
con la consideración de elegir los colores
adecuados. (Ilustración 15).
SLIDERS
Ilustración 15. Reclasificación de la imagen según los valores
expuestos por la USGS. Fuente: Propia
5.6 CALCULO DE AREAS SEGÚN
LA SEVERIDAD DEL DAÑO
Para conocer a mayor detalle la severidad del
incendio forestal, es necesario calcular el área
afectada según la clasificación determinada por
la USGS. Para realizar este proceso es necesario
crear mascaras que definen las categorías
expuestas, por lo que se calcula el número de
pixeles para luego convertir el dato en
kilómetros cuadrados o hectáreas.
Se inicia el procedimiento en el “Mask
Manager” (Ilustración 16), en la función “f(x)”
es posible acceder a “New Logical Band Maths
Expression”, donde es posible escribir la
formula necesaria para generar la máscara en
cuestión (Ilustración 17). Al final, se colocan
los nombres y colores que correspondan según
su categoría (Ilustración 18).
Mask Manager
Ilustración 16. Ventana de MASK MANAGER. Fuente: Propia
f(x)
Formula
Ilustración 17. Ventana de NEW LOGICAL BAND MATH
EXPRESSION. Fuente: Propia
 Ilustración 18. Nombre, tipo, color, trasparencia y descripción de máscaras. Fuente: Propia

Para calcular las áreas que corresponden a cada Área”, donde permite seleccionar la máscara en
una de las máscaras, en la pestaña de “Raster”, cuestión y se calcula el área correspondiente
en la sección de “Mask”, se extiende a “Mask (Ilustración 19).

Ilustración 19. Cálculo de área de las máscaras según la categoría. Fuente: Propia

5.7 ANÁLISIS ESPECTRAL

Para lograr un análisis de mayor precisión, es ambas imágenes, para luego analizar los índices
necesario realizarlo a nivel espectral, por lo que espectrales según las bandas satelitales
por medio de las herramientas de “Pin (Ilustración 20).
Manager” se selecciona un mismo pixel de

HERRAMIENTAS DE PIN MANAGER

PIN - POST
PIN - POST

Ilustración 20. Colocación de "Pines" para análisis espectrales. Fuente: Propia

 6. RESULTADOS
A continuación se presentan los resultados (Ilustración 21) y el NBR después del evento
obtenidos de calcular el NBR antes del evento (Ilustración 22).

Ilustración 21. Imagen resultante del cálculo de NBR antes del evento. Fuente propia a partir de procesamiento en SNAP

ÁREAS QUEMADAS

Ilustración 22. Imagen resultante del cálculo de NBR después en del evento. Fuente propia a partir de procesamiento en SNAP
 ÁREAS QUEMADAS

Ilustración 23. Imagen resultante del cálculo de índice de severidad de áreas quemadas (dNBR). Fuente: Propia a partir de
procedimiento en SNAP

Ilustración 24. Escala de colores por categoría implementada en la imagen dNBR. Fuente: Propia a partir de procedimiento en SNAP

Según lo anterior, se tienen las imágenes
resultantes después de aplicar el procedimiento
del calculo de indice normalizado de área
quemada, donde las primeras imágenes
corresponden al calculo de NBR antes y
después del evento, donde en la imagen
posterior al suceso, se señalan las áreas
quemadas con tonalidades mas oscuras. De esta
manera, en la imagen resultante (Ilustración
23), se puede apreciar en color amarillo las
zonas quemadas con baja severidad, mientras
que las de tonalidad roja, son los lugares donde
se presenta los mayores índices de severidad del
incendio forestal. En la escala de colores de la
ilustración 24, se detalla lo que se menciona en
la Tabla 2, donde se presenta la clasificación de
los valores por colores, representando la
severidad del incendio forestal.
 CANTIDAD TOTAL AREA AREA
GRAVEDAD DE QUEMADURA
DE PIXELES (KM2) (HA)
Alto recrecimiento post-fuego 31699 3.1699 316.99
Bajo recrecimiento después del fuego 1623655 162.3655 16236.55
Sin quemar 11517677 1151.7677 115176.77
Quemadura de baja severidad 952474 95.2474 9524.74
Gravedad moderada - Baja 84064 8.4064 840.64
Gravedad moderada - Alta 84064 8.4064 840.64
Quemadura de alta severidad 21989 2.1989 219.89
Tabla 3. Cálculo de área por gravedad de quemadura. Fuente: Propia a partir de procesamiento en SNAP

En la tabla 3 se puede apreciar el cálculo del calcular el dNBR, tiene esta misma resolución,
área por gravedad de la quemadura, donde por lo que para calcular el área se debe seguir la
según la tabla 2, se tienen siete (7) categorías siguiente formula:
que expresan la severidad del incendio forestal.
Este procedimiento se realiza siguiente el (𝑇𝑜𝑡𝑎𝑙𝑃𝑖𝑥𝑒𝑙𝑒𝑠 ∗ 10 ∗ 10)
𝐴𝑟𝑒𝑎 (𝑘𝑚2) =
apartado 5.6 del presente documento, por lo que 1000000
al tener la cantidad total de pixeles se realiza la
conversión a kilómetros cuadrados y hectáreas
de la siguiente manera. Se tiene que según el (𝑇𝑜𝑡𝑎𝑙𝑃𝑖𝑥𝑒𝑙𝑒𝑠 ∗ 10 ∗ 10)
𝐴𝑟𝑒𝑎 (𝐻𝑎) =
apartado 5.3, se debe realizar un remuestreo de 10000
la imagen, por lo que se consideró la banda
ocho (8) de referencia, el cual tiene una Sin considerar las áreas sin quemar, en el
resolución espacial de 10m (Tabla 1), de esta grafico 2, se visualiza las categorías y su
manera, la imagen resultante, después de respectiva superficie:

Áreas segun su severidad de quemadura

Quemadura de alta severidad 219.89

Gravedad de quemadura

Gravedad moderada - Alta 840.64

Gravedad moderada - Baja 840.64

Quemadura de baja severidad 9524.74

Bajo recrecimiento despues del fuego 16236.55

Alto recrecimiento post-fuego 316.99

0 2000 4000 6000 8000 10000 12000 14000 16000 18000

Area (Ha)

Gráfico 2. Áreas según su severidad de quemadura. Fuente: Propia

 Se puede apreciar que en la imagen satelital fauna, flora y las vidas humanas de la región,
existe en mayor medida el bajo recrecimiento pero que en general, el incendio tuvo una
después del fuego con 16236.55Ha, y le sigue severidad completamente baja, debido a que la
la quemadura de baja severidad, representada gravedad alta, presenta los menores porcentajes
en color amarillo de la ilustración 23, con de área afectada.
9524.74 Ha, luego de este, se tienen mas de
1680Ha que se encuentran en gravedad Alto recrecimiento post-fuego 1.13%
moderada y que espacialmente se representan Bajo recrecimiento después del fuego 58.03%
Quemadura de baja severidad 34.04%
en color rojo de la imagen resultante. En la tabla
Gravedad moderada - Baja 3.00%
4 se representa y da conocimiento que en su
Gravedad moderada - Alta 3.00%
mayoría, la serie de incendios generados en el Quemadura de alta severidad 0.79%
mes de agosto en la Isla Gran Canaria, Tabla 4. Porcentaje de zonas afectadas según su gravedad de
produjeron un daño de mas de 10.000 Ha, con quemadura. Fuente: Propia

quemaduras que perjudicaron en gran medida la

Análisis Espectral
B1 B2 B3 B4 B5 B6 B7 B8 B8A B9 B11 B12
Pre 0.0497 0.0423 0.0706 0.0599 0.1137 0.2054 0.2351 0.2566 0.2362 0.1908 0.2027 0.1325
Post 0.0579 0.0724 0.0791 0.085 0.1035 0.1108 0.1188 0.1122 0.1237 0.1584 0.1763 0.1679
Tabla 5. Valores de pixel por banda en las imágenes Pre y Post Evento. Fuente: Propia a partir del procesamiento de SNAP

Comparación espectral
0.3

0.25

0.2
dl

0.15

0.1

0.05

0
B1 B2 B3 B4 B5 B6 B7 B8 B8A B9 B11 B12
Bandas Espectrales

Pre Post

Gráfico 3. Comparación Espectral de Pre y Post evento. Fuente: Propia

En análisis de la severidad del incendio también
es posible estudiarlo a través de la comparación
espectral de las bandas. Para el análisis de
incendios forestales ya finalizados, el territorio
dejará constancia de ello pudiendo ser
advertido a través del empleo de bandas del
infrarrojo de onda corta (SWIR), el infrarrojo
cercano (NIR) o el rojo visible (RED). Bandas
como el NIR generarán una gran absorción
mientras la banda SWIR mostrará mayores
valores de reflectividad en la zona afectada
(GIS, 2017). Es así como se analiza en el
grafico 3, que las bandas del infrarrojo cercano
(Banda 8 -NIR) y las bandas del rojo visible, se
presentan las mayores diferencias de índices
espectrales, por lo que en la imagen Pre-Evento
se tienen los valores mas altos de reflectancia,
es decir, con vegetación húmeda y viva,
mientras que en la imagen Post-Evento, estos
niveles se disminuyen considerablemente, por
lo que se representa la perdida de reflectancia y
el aumento de suelo desnudo, significado de
una perdida de vegetación a raíz del incendio
forestal.
7. CONCLUSIONES
La aplicación de imágenes de teledetección
evaluó el impacto de los incendios de las Islas
Canarias en las comunidades de plantas
mediante la realización de mapas previos al
incendio y la evaluación de la extensión del
daño causado por el fuego. En este trabajo se
confirmó la capacidad del índice dNBR, que ha
sido demostrado por diferentes autores para
distinguir las áreas afectadas por incendios
forestales de las áreas no dañadas. La serie
temporal anterior al incendio no solo tiende a
mejorar la detección de incendios debido a la
mayor diferencia en la reflectividad (dispara
primero después de quemar), sino que también
reduce significativamente la cantidad de píxeles
no válidos antes del incendio. Por tanto, se
puede concluir que el uso de técnicas de
teledetección para el estudio de los incendios
forestales es fundamental para obtener
resultados que, junto con otros métodos de
campo, ayuden en la gestión racional de los
bosques, el medio ambiente y los recursos
naturales.
8. REFERENCIAS
Bautista, L. (12 de 08 de 2021). www.abc.es.
Obtenido de www.abc.es:
https://www.abc.es/espana/canarias/ab
ci-anos-desde-gran-incendio-forestal-
calcino-gran-canaria-
202108111202_noticia.html?ref=https
%3A%2F%2Fwww.abc.es%2Fespana
%2Fcanarias%2Fabci-anos-desde-
gran-incendio-forestal-calcino-gran-
canaria-202108111202_noticia.ht
Canaria, G. (2020). www.grancanaria.com.
Obtenido de www.grancanaria.com:
https://www.grancanaria.com/turismo/
Chuvieco. (Diciembre de 2003). www.um.es.
Obtenido de www.um.es:
https://www.um.es/geograf/sigmur/tele
det/intro.pdf
Colombia. (Marzo de 2022).
www.colombiaturismoweb.com.
Obtenido de
www.colombiaturismoweb.com:
http://www.colombiaturismoweb.com/
DEPARTAMENTOS/META/MUNICI
PIOS/PUERTO%20RICO/PUERTO%
20RICO.htm
Dodgson, N. A. (1992 ). Image resampling.
Reino Unido: Universidad de
Cambridge.
ESA. (21 de 08 de 2019). www.esa.int.
Obtenido de www.esa.int:
https://www.esa.int/Space_in_Member
_States/Spain/Incendio_forestal_en_Gr
an_Canaria
GIS. (28 de Mayo de 2017).
www.gisandbeers.com. Obtenido de
www.gisandbeers.com:
http://www.gisandbeers.com/teledetecc
ion-para-el-analisis-de-incendios-
forestales/
IGN. (2020). www.ign.es. Obtenido de
www.ign.es:
https://www.ign.es/web/resources/docs
/IGNCnig/OBS-
Teledeteccion.pdf#:~:text=La%20teled
etecci%C3%B3n%20es%20la%20t%C
3%A9cnica,informaci%C3%B3n%20i
nterpretable%20de%20la%20Tierra.
MADS. (2013). acmineria.com.co. Obtenido
de acmineria.com.co:
https://acmineria.com.co/acm/wp-
content/uploads/normativas/resolucion
_1926_de_2013_mads_-
_rf_del_pacifico.pdf
Masot, A. N. (2016). ANÁLISIS DE
INCENDIOS FORESTALES
MEDIANTE SISTEMAS DE
INFORMACIÓN GEOGRÁFICA Y
TELEDETECCIÓN. ESTUDIO DE
CASO EN SIERRA DE GATA.
Researchgate. Obtenido de
www.researchgate.net:
https://www.researchgate.net/publicati
on/312053858_ANALISIS_DE_INCE
NDIOS_FORESTALES_MEDIANTE
_SISTEMAS_DE_INFORMACION_
GEOGRAFICA_Y_TELEDETECCIO
N_ESTUDIO_DE_CASO_EN_SIERR
A_DE_GATA_2015
ONU. (2020). https://un-spider.org. Obtenido
de https://un-spider.org: https://un-
spider.org/es/node/10959
PDM. (Febrero de 2020).
periodicodelmeta.com. Obtenido de
periodicodelmeta.com:
https://periodicodelmeta.com/incendios
-amenazan-al-meta/
Plana Bach, E. F. (2016). Los incendios
forestales: guía para comunicadores y
periodistas. Efficient fire risk
communication for resilient societies
(Efirecom).
Relay, I. C. (21 de 7 de 2017). www.inta.es.
Obtenido de www.inta.es:
https://www.inta.es/INTA/gl/blogs/cop
ernicus/BlogEntry_1500630790681#
Rico, A. d. (2020). www.puertorico-
meta.gov.co. Obtenido de
www.puertorico-meta.gov.co:
http://www.puertorico-meta.gov.co/
Santis, A. d. (2017). Revisión de las técnicas
de identificación cartográfica de áreas
quemadas. Universidad de Santiago de
Compostela.
USGS. (2017). Utilidad de las imágenes
Sentinel-2 para la estimación.
Universidad Pública de Navarra.
9. ANEXOS
Mapa de la severidad del incendio ocurrido
en la Isla Gran Canaria en agosto de 2019