El fundo “La Fusta”

IMPACTO DEL INCENDIO FORESTAL DEL AÑO 2002 EN EL PREDIO LA
FUSTA, LONQUIMAY. EVALUACIÓN MULTITEMPORAL DE LA
DIVERSIDAD, UTILIZANDO IMÁGENES SATELITALES ETM+, ASTER y
ALI.
Gabriel Sanhueza S., Mauricio Reyes Sch., Claudia Bassaber E., Patricio Acevedo A.
Universidad de la Frontera,
Av. Francisco Salazar 01145, Temuco, Chile.
[email protected]
Introducción.
En Chile, según la Corporación Nacional Forestal, la ocurrencia y daño histórico de incendios
forestales entre los años 1964 y 2009, alcanza un total de 188.072 incendios forestales, los cuales
afectaron una superficie de 2.073.453 ha, a nivel nacional (CONAF, 2009).
Por su parte en la región de la Araucanía, entre los años 1979 y 2009, se detectaron 27.078 incendios
los cuales afectaron a 230.965,97 ha. En la comuna de Lonquimay, donde se establece este estudio,
entre los años 2001 y 2002 se detectaron 5 incendios forestales los cuales afectaron una superficie de
5.230,24 ha de vegetación nativa.
Estos incendios provocan importantes pérdidas en los recursos forestales y paisajísticos, aumentan la
desprotección del suelo frente a la erosión, lo cual implica pérdidas de biodiversidad y, en muchos
casos, también de vidas humanas en las tareas de extinción (Chuvieco, 1996).
La evaluación de estos daños y de la recuperación mediante la toma de datos es un proceso largo y
costoso, por lo que este trabajo pretende, mediante un análisis multitemporal, evaluar la recuperación
de los bosques mediante el procesamiento de imágenes satelitales para facilitar y abaratar los costos
asociados a este proceso. Además, determinar el estado de los procesos de recuperación natural de los
patrimonios boscosos dentro del predio La Fusta.
Área de estudio.
La comuna de Lonquimay está ubicada en la región de la Araucanía. Esta comuna posee una superficie
de 395.379 ha, lo que la convierte en la comuna de mayor superficie dentro de la región. La comuna se
encuentra ubicada a los 38º 29’ Lat. S y 71º 17’ Lat. W. posee una población de 10.237 habitantes, de
los cuales 3.435 habitantes pertenecen a la zona urbana y 6.802 habitan pertenece a zonas rurales de la
comuna.
Fundo La Fusta.
El fundo “La Fusta” (Figura 1) se encuentra ubicado a unos 15 kilómetros al sur de Lonquimay, en la
región de la Araucanía, y abarca a las comunas de Lonquimay y Melipeuco. Este fundo presenta una
superficie de 9.109,1 ha. y fue afectado por un incendio forestal el año 2002 el cual abarcó una gran
superficie de los bosque de Araucaria y Lenga (CONAF, 1999).
Figura 1. Limite del fundo “La Fusta” Lonquimay.
Material cartográfico, imágenes satelitales y sistema de información geográfico.
La información base del presente estudio correspondió a:
 Imagen satelital Landsat ETM+ del 07-02-2001
 Imagen satelital Landsat ETM+ del 07-03-2003
 Imagen satelital ASTER del 24-02-2007
 Imágenes satelitales HYPERION y ALI del año 08-01-2010
 Fotografía aérea del fundo la Fusta vuelo privado del año 2007
 Fotografía aérea del fundo la Fusta CONAF año 2000.
Material Satelital.
Para la realización de este trabajo se obtuvieron 4 imágenes satelitales. La primera imagen obtenida es
una Landsat ETM+ de la zona afectada, esta imagen corresponde al 07 de febrero del año 2001. El
sensor ETM+ provee imágenes con 8 bandas espectrales. La resolución espacial es de 30 metros en las
bandas visibles e infrarroja cercana (bandas 1-5 y 7). La resolución de la
banda pancromática (banda 8) es de 15 metros, en tanto para la banda infrarroja termal (band 6) es de
60 metros. El tamaño aproximado de la escena es de 170 x 183 kilómetros.
La segunda imagen obtenida es una imagen ASTER que corresponde al 24 de febrero del 2007 y
también corresponde a la zona afectada por el incendio. Estas imágenes poseen una resolución espacial
de 15 metros, para las tres bandas correspondientes al visible e infrarrojo cercano (VNIR); el infrarrojo
de onda corta (SWIR) tiene seis bandas, con una resolución espacial de 30 m y el infrarrojo termal
(TIR) posee cinco bandas con una resolución espacial de 90 m .
Las últimas imágenes obtenidas para este trabajo son las imágenes satelitales HYPERION y ALI del 08
de enero del 2010. ALI cuenta con 10 bandas, de las cuales la primera es pancromática con 10 metros
de resolución espacial y 9 multiespectrales (6 en el VNIR y 3 en el SWIR) cuya resolución espacial es
de 30 metros. HYPERION es el primer sensor hiperespectral a bordo de un satélite, tiene 220 bandas,
las cuales abarcan el rango espectral de los 356 a 2577 nm, con una resolución espacial de 30 metros;
gracias a su resolución espectral se pueden hacer mapeos detallados de cobertura vegetal y minerales,
entre otros (González-Alonso et al., 2009).
Calibración de imágenes satelitales.
Metodología de trabajo con imágenes satelitales ASTER.
Para la utilización de estas imágenes fue necesaria la aplicación de mejoras en las imágenes, ya que
estas no incluyen las correcciones atmosféricas y radiométricas, sólo presentan una georeferenciación
en la proyección UTM zona 18 Norte Datum North América 1972. Por ello es necesario definir una
nueva proyección atmosférica y radiométrica, correspondiente a UTM zona 18 sur, Datum WGS 1984.
Corrección atmosférica. La corrección atmosférica propuesta por Chávez que se denomina corrección
de histogramas por sus valores mínimos, asume que las áreas cubiertas con material de fuerte
absortividad (agua y zonas de sombra) deberían presentar una radiancia espectral muy próxima a cero.
Corrección Radiométrica. La corrección radiométrica permitió transformar los valores de brillo
captados por el sensor y representados por los niveles digitales a medidas físicas de radiancia
superficial, las cuales pueden ser asociados más directamente con los distintos tipos de coberturas del
suelo (Abrams y Hook, 2001).
Transformación de valores a reflectancia. Luego de realizadas las correcciones radiométricas y
atmosféricas se debió traspasar los valores de radiancia a reflectancias.
Para la aplicación de las correcciones se utilizó el programa ENVI versión 4.5 mediante los comandos
Basic Tools, Band Math, a través de la entrada de expresiones matemáticas.
El traspaso de los valores a reflectancias queda expresado por la siguiente ecuación.
Bn    d 2
p i, k 
En(cosi)
(1.1)
Donde: p i,k es la reflectividad del pixel i para la banda k
Bn = Banda corregida radiométrica y atmosféricamente.
π = 3,1416
d = es un factor que tiene en cuenta la variación de la distancia Tierra-Sol, y se calcula a partir del día
juliano (J)
Eλn = es la irradiación solar en el techo de la atmosférica (exo-atmosférica)
θi = ángulo cenital solar.
Pre-Procesamiento de imágenes Landsat ETM+.
Descripción de los cálculos de Correcciones
Conversión a radiancia espectral (Qcal a L). Las calibraciones radiométricas del sensor ETM+
incluyeron reescalar los números digitales crudos transmitidos desde el satélite a números digitales
calibrados, que tienen la misma escala radiométrica para todas las escenas procesadas de una zona
geográfica para una fecha específica.
Calibración Radiométrica. Durante la calibración radiométrica, los valores de los pixeles de las
imágenes son convertidos a unidades de radiancia espectral absoluta, utilizando cálculos de punto
flotante de 32 bit.
Conversión a reflectancia TOA (L a ). Para una reducción en la variabilidad de escena a escena,
se convirtió la radiancia espectral a reflectancia TOA exoatmosférica, también conocida como albedo
planetario para cada una de las bandas utilizadas. La reflectancia TOA de la tierra se calcula de acuerdo
a la siguiente expresión:
 d2
  L n
E cos s
n
n
(1.2)
Donde:
n= Banda de la escena
= Reflectancia Planetaria TOA [sin unidades]
= Constante matemática aproximadamente igual a 3.14159 [sin unidades]
L= Radiancia espectral en la apertura del sensor [W/(m² sr m)]
d= Distancia Tierra-Sol [unidades astronómicas]
E= Irradiancia solar exoatmosférica media [W/(m² m)]
s= ángulo zenith solar (grados)
Corrección atmosférica y ENVI FLAASH
El Módulo FLAASH (Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes), es una
herramienta de modelado de corrección atmosférica de principios básicos para recuperar la reflectancia
espectral desde radiancia de imágenes hiperespectrales. Con FLAASH se puede compensar con
precisión los efectos atmosféricos. FLAASH corrige longitudes en el visible a través de las regiones del
infrarrojo cercano e infrarrojo de onda corta, de hasta 3 mm. (para las regiones termales se debe utilizar
la Corrección Atmosférica Termal de las Utilidades de calibración para el Pre-procesamiento en el
menú Basic Tools). A diferencia de muchos otros programas de corrección atmosférica que interpolan
propiedades de transferencia de radiación desde los resultados de modelamiento de una base de datos
pre-calculada, FLAASH incorpora el código de transferencia de radiación MODTRAN4.
Calibración atmosférica de Imagen ALI a partir de imagen corregida HYPERION.
Muestreo de áreas de interés. En la corrección de los parámetros de la imagen satelital ALI a partir de
la imagen HYPERION, se realizaron diez grillas de 10 x 10 pixeles en el programa ArcGis 9.3; estas
grillas se hicieron coincidir en las dos imágenes buscando el mismo pixel en ambas. Luego de esto se
procedió a convertir las grillas en ROIs en el programa ENVI 4.5 y para ambas imágenes se extrajeron
los valore de reflectancia; este proceso se realizó con ambas imágenes sin ninguna corrección.
Finalmente se ajustaron regresiones en el programa SPSS 15 con los valores de reflectancia para así
poder calibrar la imagen ALI en base a los parámetros obtenidos de la imagen HYPERION.
Ajuste de modelos de regresión. El proceso de ajuste se realizo para cada una de las bandas, este
ajuste se realizo por medio del software SPSS 15 para Windows mediante el método de los mínimos
cuadrados. Luego de este proceso se procedió a realizar las correcciones atmosféricas y radiométricas a
partir de los parámetros de corrección de HYPERION.
Determinación de los indicies de vegetación. La utilización de índices de vegetación se justifica en
dos situaciones: para mejorar la discriminación entre suelos y vegetación y para reducir el efecto del
relieve (Pendiente y Orientación) en la caracterización espectral de distintas cubiertas. Para este estudio
se utilizaron los siguientes índices:
Calculo del NDVI = Denominado Índice de Vegetación de Diferencia Normalizada. (NDVI,
Normalizad Difference Vegetation Index).
Las imágenes corregidas radiométrica y atmosféricamente y luego de transformados sus valores a
reflectancia, se procesan mediante el módulo Band Math del programa Envi 4.5. Este módulo permite
crear y modificar ecuaciones con la información de bandas de una imagen. Se ingresa la expresión:
(Chuvieco,1996; Morales y Parra, 1996).
NDVI 
irc  r
irc  r
(1.3)
Para la aplicación de este índice de vegetación en las imágenes ASTER, las variables ingresadas
corresponden a “(Bandas 3 – Banda 2) / (Bandas 3 + Banda 2)”.
Determinación del índicie Normalized Burned Ratio (NBR). Su expresión matemática es similar a
la del cociente de vegetación normalizado (NDVI), pero sustituye la banda del rojo por la del SWIR.
La diferencia entre ambas bandas ofrece el mayor contraste entre imágenes pre y post-incendio,
especialmente en espacios con cubierta forestal. La banda correspondiente al IRC es muy sensible al
contenido de clorofila lo que está en relación directa con la vitalidad de la planta; mientras que la
región del SWIR, comprendida entre los 2.080 y 2.350 nm, es sensible a los cambios del contenido de
agua. Al contrario que el resto de índices, el NBR tenderá a ofrecer valores bajos en las zonas
quemadas ya que, tras un incendio, se produce un descenso de la reflectividad en el infrarrojo cercano y
un aumento en el SWIR.
NBR 
irc  swir
irc  swir
(1.4)
Donde ρIRC es la reflectividad en la banda del infrarrojo cercano, y ρSWIR es la reflectividad en la
banda del infrarrojo medio de onda corta.
Resultados y Discusiones.
Clasificación NDVI.
Según la clasificación obtenida del índice NDVI podemos realizar la siguiente clasificación de las
imágenes satelitales mediante la intensidad de cobertura vegetacional que se encuentra presente en las
distintas imágenes (Cuadro 1):
Intensidad de
Cobertura
Color
cobertura
0.0-0.25
No vegetación
Rojo
0.25-0.50
Escaso
Café Claro
0.50-0.75
Abundante
Verde Claro
0.75-100
Denso
Verde Oscuro
Cuadro 1. Intensidad de cobertura.
Con la clasificación de cada una de las imágenes satelitales podemos determinar cual es
comportamiento de la cobertura y como se van recuperando las áreas afectadas por el incendio a
medida que pasan los años (Figura 2).
Figura 2. Clasificación del NDVI según intensidad de cobertura para los años 2001; 2003; 2007 y
2010.
Imagen de diferencia de NBR Landsat 2001-2003.
Para poder realizar el cálculo de dNBR se utilizaron las imágenes satelitales Landsat del año 2001 y del
2003. La siguiente imagen representa la intensidad de daño (Figura 3). En este caso se utilizaron cuatro
categorías de severidad de daño, siendo estas categorías clasificadas como severidad alta (Rojo), media
(Azul), baja (Amarillo) y no quemada (Verde).
d NBR
≥ 0.680
≥0.275
≥0.090
≥0.0
Intensidad de
Color
daño
Alto
Rojo
Medio
Azul
Bajo
Amarillo
No Quenado
Verde
Cuadro 2: Intensidad de Daño.
Figura 3: Imagen de Diferencia de NBR y clasificación de severidad del daño ocasionado por el
incendio.
Muestreo de Áreas quemadas
Se efectuó un muestreo sistemático en las áreas quemadas, sobre la imagen ETM+ del 2003, con una
grilla cuadrada de 250m y se seleccionaron todas aquellas unidades muestrales que estuviesen
completamente contenidas dentro de las áreas quemadas de la fotointerpretación de áreas quemadas. La
Distribución espacial y la localización de las 103 unidades muestrales obtenidas se muestra en la Figura
4.
Figura 4: Distribución espacial y localización de las 103 unidades muéstrales sobre áreas quemadas.
La superficie quemada corresponde a 2307,3 hectáreas, de las cuales, con las 103 unidades muestrales
de 6.25 hectáreas cada una, se realizó el muestreo de 643.7 hectáreas, correspondientes al 27.9% del
incendio en el Predio.
Mediante las unidades muestrales se obtuvieron las firmas espectrales y los índices espectrales NDVI,
NBR, BAI, NDWI y NMDI con los siguientes estadígrafos, calculados mediante aproximación al
Muestreo aleatorio simple (Cuadro 3).
E.
Variable
Promedio
Desv.est
C.V.%
Muestreo
Lim.Inf
Lim.Sup
B1
0.0775
0.0038
4.9421
0.9659
0.0699
0.0851
B2
0.0549
0.0050
9.0772
1.7740
0.0450
0.0647
B3
0.0454
0.0068
14.9451
2.9209
0.0319
0.0589
B4
0.0769
0.0180
23.4494
4.5829
0.0411
0.1127
B5
0.0914
0.0233
25.5446
4.9924
0.0451
0.1376
B7
0.0567
0.0206
36.4161
7.1172
0.0157
0.0976
NDVI
0.2505
0.0844
33.6876
6.5839
0.0831
0.4179
NDR
-0.1740
0.1963 -112.7905
-22.0437
-0.5633
0.2153
BAI
92.6361
34.7660
37.5296
7.3348
23.6780
161.5942
NDWI
-0.0755
0.1217 -161.2041
-31.5057
-0.3170
0.1660
NMDI
0.3918
0.1198
30.5823
5.9770
0.1541
0.6294
Cuadro 3. Firmas e índices espectrales, con sus respectivos estadígrafos, obtenidos desde imáges
LANDSAT ETM+ 2003.
8000
7000
6000
5000
Abundante
4000
Escaso
No Vegetacion
3000
Denso
2000
1000
0
2001
2003
2007
2010
Figura 5. Evolución temporal de los niveles de cobertura en el predio La Fusta.
Conclusiones
Se pudo identificar y clasificar las áreas quemadas, mediante el índice NBR y dNBR hasta dos años
después del íncendio. El dNBR para el año 2005 no entregó resultados confiables de clasificación de
intensidades de daños.
Los resultados obtenidos para el NDVI abundante permitieron corroborar lo observado en el predio
durante el control cartográfico, respecto a que en el año 2003, el 59% de la superficie afectada por el
incendio, estaba cubierta con formaciones vegetales abundantes. El año 2007, el 73% correspondía a
NDVI abundante, y el 2010, el 69% de la superficie.
La categoría de NDVI escaso se ha mantenido entre el 22% y el 18% en todos los años de evaluación, y
coinciden con zonas de arenales y escoriales volcánicos que no presentaban abundante vegetación antes
del incendio.
Las áreas con NDVI denso, disminuyeron de un 80% en el año 2001 antes del incendio, hasta un 10%
en el 2003, un 3% el año 2007, mostrando una leve recuperación en el año 2010, en un 10% de la
superficie, que principalmente corresponde a vegetación densa que se ha recuperado paulatinamente.
Las áreas con formaciones vegetales con NDVI denso, afectadas por el íncendio fueron reemplazadas
por formaciones vegetales abundantes, permitiendo comprobar que se han recuperado
significativamente más rápido que otros sectores afectados por el incendio.
Otros índices espectrales evaluados en este estudio, como el NDWI y NMDI por si solos, no resultaron
apropiados para clasificar las áreas quemadas con los parámetros descritos en la literatura. Sin
embargo, mediante criterios de clasificación combinados con NDVI, el BAI entrego resultados
bastantes confiables para este incendio en particular.
Bibliografía
Abrams, M and Hook, S. 2001. Advanced Spacebrone Termal Emision and Reflection Radiometer.
ASTER Users Handbook. Segunda Edicion. Jet Propulsion Laboratory (JPL)/California Institute of
Technology. California,USA. 135 p.
CONAF. 2009. Estadísticas Resumen Nacional de Ocurrencia y Daño 1964 - 2009. Gerencia
protección contra incendios forestales. http://www.conaf.cl/proteccion/seccion-estadisticashistoricas.html
CONAF/CONAMA/BRIF. (1999). Catastro y evaluación de recursos vegetacionales nativos de Chile.
Informe nacional con variables ambientales. Santiago, Chile. 89 p.
Chuvieco, E. 1996. Fundamento de teledetección espacial. Tercera edición. Ediciones rialp S.A
Madrid, España. 452 p.
Chuvieco, E. 1998. El factor temporal, en la teledetección: evolución fenomenología y análisis de
cambios. Revista de teledetección (España). 1 (10): 39-48 p.
Chuvieco, E. 2002. Teledetección ambiental. La observación de la tierra desde el espacio. Editorial
Ariel. Madrid, España. 586pp.
González-Alonso, F; Huesca, M; Cuevas Gonzalo, J; Martínez, S; Gómez, J.A y De Miguel, E. 2009.
Utilización de imágenes hiperespectrales AHS-INTA para el estudio de zonas afectadas por incendios
forestales. Teledetección: Agua y desarrollo sostenible. XIII congreso de la Asociación Española de
Teledetección. Calatayud, 23-26 de septiembre de 2009, España. 305-308 p.
Perez, C. y Sanchez, N. 2006. Experiencias con imágenes ASTER en el control métrico y análisis
multitemporal. Papers of XII simposio internacional en percepción remota y sistema de información
Geográfica. Cartagena de Indias, Colombia, 10 p.
Morales, L., y Parra, J. C. 1996. Determinación del Índice de Vegetación a partir de parámetros físicos
usando datos NOAA/AVHRR. VI Simposio Nacional de Física Experimental y Aplicada. Universidad
de la Frontera, Temuco-Chile.
Quintanilla, V. y Castro, R. 1998. Seguimiento de las cubiertas vegetales post-incendios forestales en la
zona mediterránea costera de chile. Serie Geográfica 7: 147-154 p.