Cartografía de combustibles forestales a partir de imágenes de alta resolución espacial y clasificadores de contexto
- ARROYO MENDEZ, LARA ANOIA
- Emilio Chuvieco Salinero Directeur
- José Antonio Manzanera de la Vega Co-directeur/trice
Université de défendre: Universidad Politécnica de Madrid
Fecha de defensa: 11 janvier 2007
- Alfonso San Miguel Ayanz President
- Eugenio Martínez Falero Secrétaire
- Cristina Pascual Castaño Rapporteur
- Andrea Camia Rapporteur
- Francisco Javier Salas Rey Rapporteur
Type: Thèses
Résumé
Si bien los incendios forestales son naturales en muchos ecosistemas, incluido el mediterráneo, también llevan consigo efectos negativos, por el riesgo que suponen para las personas y sus bienes, así como para el entorno físico, especialmente en lo que afecta a la degradación del suelo. Dado que las condiciones del combustible representan el primer componente de factor de riesgo de incendio, conocer con precisión la distribución espacial de los modelos de combustible es crítico para la gestión forestal de incendios. En este sentido, la teledetección constituye una valiosa herramienta. Hasta la fecha, la mayor parte del trabajo realizado en este campo se ha basado en sensores de resolución espacial media, como SPOT-HVR y Landsat MSS o TM, con tamaños de pixel comprendidos entre 20 y 80 mm. Gracias a la muy alta resolución espacial que ofrecen los sensores del QuickBird o IKONOS, pueden plantearse aplicaciones en sistemas de gestión a escala local, escala especialmente interesante de cara a reducir el riesgo sobre vidas humanas y propiedades en las zonas de interfase urbano-forestal. Para este trabajo se utilizaron imágenes de QuickBird, que proporcionan una banda pancromática y cuatro multiespectrales, con 0,61 y 2,44 metros de resolución espacial, respectivamente. Su elevada resolución espacial se traduce en un aumento de la variabilidad espectral interna recogida (al contrario del efecto integrador de los sensores anteriores). De esta forma, una limitación del análisis estadístico por píxeles es su incapacidad para procesar la variabilidad espectral adicional, generando demasiadas clases, o incorrectamente definidas. En consecuencia, ha sido necesario acudir a nuevas técnicas de análisis para poder procesar correctamente las imágenes de alta resolución espacial. En este caso, hemos utilizado un sistema de clasificación orientado a objetos. La particularidad del análisis orientado a objetos es que la clasificación se realiza en base