nova página do texto(beta)
Espanhol (pdf)
Artigo em XML
Referências do artigo
Tradução automática
Enviar este artigo por email
Citado por SciELO 
Similares em
SciELO 
Permalink
INTRODUCCIÓN
Los incendios constituyen una gran preocupación medioambiental por sus efectos potencialmente negativos en los ecosistemas, el suelo y la atmósfera. Como consecuencia del cambio climático, los incendios están aumentando en todo el planeta (Jones et al., 2020). por lo que han sido identificados como variables climáticas esenciales (ECV) por el Sistema Global de Observación del Clima (GCOS) (Chuvieco et al., 2019). La generación de reportes de incendios en campo, por parte de organismos oficiales, a nivel nacional o regional, resulta muy útil para establecer estadísticas de incidencia, superficie afectada y ubicación espacial; en muchos lugares esta es la fuente más utilizada para la generación de índices y modelos preventivos, así como para la asignación de recursos (González-Gutiérrez et al., 2020). Sin embargo, el monitoreo terrestre o la validación de la información sobre incendios activos es un desafío, debido a factores como la inaccesibilidad, el alto costo y el riesgo en términos de seguridad; la dificultad es aún mayor en zonas grandes, remotas o subdesarrolladas, donde los recursos son limitados (Sofan et al., 2022). Por otra parte, además del dato puntual de campo, es necesario contar con material cartográfico que muestre la ubicación espacial y temporal del fuego, permita identificar los sitios más perturbados y dar seguimiento a los procesos de recuperación, así como evaluar los impactos ambientales, sociales y económicos (Manzo-Delgado, 2016).
En este sentido, los satélites de teledetección constituyen una herramienta muy útil para monitorear los incendios de manera global, objetiva y sistemática, a través de la generación de productos globales sobre superficies quemadas. Los primeros productos se generaron a finales de los años 1990 por la ESA (European Space Agency) con datos satelitales SPOT-VEGETATION (VGT) de 1 km de resolución, iniciando con Global Burn Area (GBA2000) para el año 2000, y continuando con L3JRC (Tansey y Wolfs, 2017; Chuvieco et al., 2019). que completó una serie de 15 años (2001-2015). En mayo 2013, ante el final de la vida útil de VGT (marzo 1998-mayo 2014). y a la espera del inicio de la misión Sentinel-3 (A en 2016 y B en 2018). el programa europeo Copernicus lanzó el satélite PROBA-V con un sensor similar a VGT (Wolters et al., 2018) y adaptó la metodología de la primera versión para ser utilizada con los nuevos datos (Tansey y Arellano, 2016; Tansey y Wolfs, 2017). Se dio así continuidad a la colección de 1 km, para después iniciar una colección de 300 m (2014-2020) (Smets et al., 2017). Actualmente se trabaja en la generación de una nueva serie (versión 3). también de 300 m, a partir de datos Sentinel-3 (Wolfs y Tansey, 2020; Padilla, 2021; Franquesa et al., 2021; Wooster y Xu, 2022).
Por su parte, la NASA (National Aeronautics and Space Administration) produce desde 2008 colecciones de 500 m (MCD45A1 y la nueva versión MCD64A1) con datos del sensor MODIS de los satélites Terra y Aqua (Giglio et al., 2006; Giglio et al., 2018). Las colecciones MODIS inician en el año 2000 y tienen como antecedente la experiencia adquirida con los sistemas NOAA-AVHRR y GOES (Chuvieco et al., 2019). A diferencia de PROBA-V, que carece de bandas térmicas y cuyo algoritmo se basa en los cambios en el infrarrojo (NIR y SWIR) (Tansey y Wolfs, 2017). el sensor MODIS es capaz de identificar anomalías térmicas y estimar la potencia emitida por el fuego y el área quemada, lo que permite la detección de incendios activos a 1 km de resolución (Giglio et al., 2021; Padilla, 2021). Esta información, junto con datos MERIS, es utilizada también en el producto Fire_CCI de la ESA (Chuvieco et al., 2016; Chuvieco et al., 2019). Además, NASA cuenta con el sensor VIIRS (Visible Infrared Imaging Radiometer Suite). embarcado en el satélite Suomi NPP, cuya operación inició en 2012, que tiene la capacidad para adquirir datos ambientales, incluyendo nubes y temperatura de superficie, que contribuirá a dar continuidad a los datos MODIS (Neger y Manzo-Delgado, 2021) adquiridos por Terra, cuya vida útil terminará en la década de 2020 (Wooster y Xu, 2022). Por su parte, también los datos Sentinel-3 darán continuidad a los MODIS, pues permiten el cálculo preciso de la temperatura de superficie y la potencia radiactiva del fuego (Polehampton et al., 2023).
El producto MCD64A1 de MODIS ha sido validado con imágenes Landsat de la NASA con 30 m de resolución (Giglio et al., 2020). La serie PROBA-V 300 m se ha validado con imágenes Landsat (Tansey y Wolfs, 2017) y por comparación con los productos de MODIS, PROBA-V 1 km y SPOT-VGT; se validó por primera vez en 2016, para los años 2014 y 2015 (Tansey y Arellano, 2016). en 2018 para el periodo 2017-2018 (Tansey et al., 2019) y en 2020 para 2019 (Tansey et al., 2020). En general, se observó que el producto de 300 m presenta una mayor precisión que el de 1 km y es más cercano a MODIS, con un número similar de áreas quemadas detectadas totales (Tansey y Arellano, 2016). Estos resultados confirmaron la calidad de la serie PROBA-V 300 m y la pertinencia de su construcción, hasta la disponibilidad de la versión 3 (Tansey et al., 2019). con la advertencia de la presencia de errores de omisión y comisión en diferentes regiones (Tansey et al., 2020). Posteriormente, tras varias validaciones, se concluyó que la precisión de la versión 1 es claramente menor que la de otros productos de la ESA y la NASA (Padilla, 2021).
A nivel nacional o regional, ha habido iniciativas de análisis de áreas quemadas con imágenes satelitales de alta resolución. Se trata de un método más laborioso que la utilización de series, por lo que no resulta óptimo para realizar un monitoreo permanente de regiones grandes; sin embargo, además de detectar áreas quemadas pequeñas (tiene mayor resolución espacial que las series). permite valorar el nivel de afectación, a partir del cálculo de índices como el dNBR (Chuvieco et al., 2019; Sobrino et al., 2019; Llorens et al., 2021). Este índice se basa en la diferencia entre las bandas espectrales NIR y SWIR, y sus cambios en el tiempo, mismo principio de los algoritmos de PROBA-V (Tansey y Wolfs, 2017) y de la primera versión de MODIS (Justice et al., 2006).
El objetivo del presente trabajo es comparar los productos de áreas quemadas de MODIS (MCD64A1) y PROBA-V 300 m, correspondientes al periodo 2015-2020, en el estado de Michoacán, México, donde se producen incendios todos los años por deforestaciones y otras actividades humanas. Con el fin de contar con una referencia independiente y de mayor resolución que las series comparadas, se utilizan imágenes Sentinel-2 para ilustrar algunos casos, para los que se calcula la afectación con el índice dNBR.
MATERIALES Y MÉTODOS
Zona de estudio
El estado de Michoacán, en el centro occidente de México, entre las latitudes 18º y 21º N y longitudes 102º y 99º W, se encuentra en zona subtropical y su clima está caracterizado por dos estaciones anuales: lluvias, que inician en junio y llegan hasta octubre, y secas, de octubre a mayo del año siguiente. Las elevaciones van de 0 m a cerca de 4000 m. En el estado coexisten diferentes tipos de bosque templado y bosque tropical seco (o selva baja caducifolia). con agricultura y otras coberturas, como tulares, asentamientos humanos, zonas sin vegetación y cuerpos de agua (Durán y Sevilla, 2003; Rzedowski, 2006). La Figura 1 muestra una versión simplificada del mapa oficial de usos de suelo y vegetación del Instituto Nacional de Estadística, Geografía e Informática (INEGI) de México (Serie VII) (https://www.inegi.org.mx/temas/usosuelo/#Descargas)
Datos
Se analizaron los siguientes productos:
Serie PROBA-V de áreas quemadas (Burned Area). a 300 m, de enero 2015 a junio 2020, cada 10 días, descargada de la página https://land.copernicus.eu/global/products/ba. Los pixeles detectados como quemados valen 1.
Serie MODIS del día de quema (Burn day). de 2015 a 2020, de la colección MCD64A1, descargada de la página oficial de la Universidad de Maryland (Giglio et al., 2020) en versión reproyectada mensual, en GeoTIFF a 500 m y en formato vectorial (shape). región 4. La fecha de quema se codifica como día juliano (1 a 366).
Imágenes Sentinel-2 de 2019 y 2020, una al mes desde enero hasta junio, correspondientes a las zonas tomadas como ejemplo señaladas en la Figura 1, descargadas de la página del programa Copernicus (https://scihub.copernicus.eu).
Los análisis se realizaron con los programas SNAP (Sentinel Application Platform) de la ESA (https://step.esa.int/main/download/snap-download/) y QGIS (https://qgis.org).
Metodología
Eventos por mes y año y por cobertura
A partir de la serie MCD64A1 de MODIS en GeoTiff, se identificaron los pixeles de áreas quemadas de cada mes, independientemente de la fecha.
En la serie PROBA-V 300 m se identificaron los pixeles con al menos una detección de área quemada, en cualquiera de las tres fechas de cada mes. Para las dos series se contaron los pixeles con reporte de área quemada, por mes y año.
Se contaron los pixeles de áreas quemadas anuales por cobertura.
Coincidencias
A la serie PROBA-V (ráster, 300 m). se le superpuso la serie MODIS en formato vectorial (shape). Se identificaron los pixeles PROBA-V que coincidían con los polígonos MODIS, por mes, año y cobertura.
Se calcularon los porcentajes de pixeles identificados como áreas quemadas en la serie MODIS que también habían sido detectados por PROBAV y viceversa, los pixeles de áreas quemadas de PROBA-V también identificados por MODIS, por mes, año y cobertura.
Casos ejemplo con Sentinel-2
De las imágenes Sentinel-2 descargadas (una al mes de enero a junio). se recortaron seis zonas de 2000 x 2000 pixeles (400 km2) en las que se aprecia claramente que se produjo un incendio. Se calculó el cambio del índice NBR (diferencia normalizada entre las bandas espectrales NIR y SWIR). entre febrero y mayo (dNBR) (Chuvieco et al., 2019; Sobrino et al., 2019) y se clasificó en niveles de afectación por el fuego según el estándar del USGS (United States Geological Survey): baja [0.1, 0.27); moderada-baja [0.27, 0.44); moderada-alta [0.44, 0.66); alta [0.66, 1.33) (Sobrino et al., 2019).
Tanto al dNBR como a las áreas quemadas PROBA-V de cada zona (acumulado anual). se les superpuso el vector de áreas quemadas de MODIS (acumulado anual).
RESULTADOS
Detección
La Figura 2 muestra los mapas de las áreas quemadas identificadas en Michoacán en las series MODIS MCD64A1 y PROBA-V 300 m, acumuladas en el total del periodo considerado (2015-2020). Se observa que la serie PROBA-V identifica áreas quemadas en prácticamente toda la zona norte y centro del estado, mientras que en la serie MODIS las detecciones son puntuales.
Figura 2 Áreas quemadas en el estado de Michoacán, México, en el periodo 2015-2020, reportadas en la serie PROBA-V 300m y la colección MCD64A1 de MODIS.
La Figura 3a presenta las detecciones totales por año, para cada serie. En el periodo estudiado, la serie PROBA-V detecta un total de 308 699 pixeles de áreas quemadas y la serie MODIS, 19061, siendo el año 2016 el de mayor número de eventos en ambos casos, con 72 184 y 3915, respectivamente. El número de detecciones de PROBA-V es del orden de dieciséis veces superior al de MODIS. Esta disparidad no se explica por la diferencia de resoluciones espaciales (Tansey et al., 2020). que, por otra parte, son en ambos casos insuficientes para la detección de áreas quemadas pequeñas (Chuvieco et al., 2019).
Figura 3 Áreas quemadas por año (a). mes (b) y cobertura (c) reportadas en las series PROBA-V 300 m y la colección MCD64A1 de MODIS, en Michoacán, México, en el periodo 2015-2020.
La Figura 3b muestra el promedio de áreas quemadas por mes. PROBA-V reporta un gran número de estas todos los meses de diciembre a mayo, prácticamente ninguno en la época de lluvias, de julio a octubre, y muy pocos en los meses de junio, cuando inician las lluvias, y noviembre; en contraste, MODIS concentra las detecciones en abril y mayo, los meses más secos y calurosos del año. Este comportamiento es similar al reportado para América Central en las validaciones comparativas de PROBA-V contra MODIS (Tansey et al., 2020). Tansey y Arellano (2016) señalan que la temporada de incendios en México ocurre durante los primeros meses del año y que las detecciones de PROBA-V (en ambas resoluciones, 1 km y 300 m) exceden a las de MODIS en el periodo seco de invierno; en Tansey et al. (2019) se confirman los meses de marzo y abril como la estación seca en la que se producen los incendios en México, lo que demostraría el mejor desempeño de PROBAV frente a MODIS. La realidad, al menos en Michoacán, se ajusta más a los datos MODIS, ya que el mes con más incendios es tradicionalmente mayo, no marzo (Galván y Magaña, 2020; Manzo-Delgado, 2016).
Por tipo de cobertura (Figura 3c). en la serie PROBA-V, más de la mitad de las detecciones (56.65%) corresponden a bosque tropical seco, algo más de un cuarto (27.25%) a agricultura y solo el 13.57% a bosque templado; por su parte, MODIS detecta la mitad de las áreas quemadas (50.02%) en zonas agrícolas, casi un tercio (31.31%) en bosque templado y únicamente el 17.31% en bosque tropical seco.
Coincidencias
La Figura 4 ilustra la comparación de las detecciones de la serie MODIS con respecto a PROBA-V, dándose la menor coincidencia en 2015, donde únicamente el 37.90% de las áreas quemadas detectadas por MODIS lo son también por PROBAV; las mayores coincidencias se dan en 2016 con 77.44% y 2020 con 78.72%. El porcentaje de áreas quemadas detectadas por PROBA-V, que también son detectadas por MODIS, es mucho menor, pues no alcanza el 5% ni en el mejor de los casos, en 2018.
Figura 4 Coincidencia (en %) entre las áreas quemadas detectadas en la serie PROBA-V 300 m y en la colección MCD64A1 de MODIS, en el estado de Michoacán, México, en el periodo 2015-2020, por año (a) y cobertura (b).
El análisis por coberturas muestra una gran coincidencia de las detecciones de MODIS con PROBA-V, que alcanza el 89.54% en agricultura (2016). y 82.81% en bosque templado y 85.31% en bosque tropical seco (2020). Sin embargo, solo el 10% de las áreas quemadas detectadas por PROBA-V coinciden con detecciones de MODIS, esto en agricultura y bosque templado. Es importante señalar la muy baja coincidencia de las detecciones en bosque tropical seco, que no alcanza el 2% ningún año, lo que evidencia una sobredetección por parte de PROBA-V en este bioma.
Casos ejemplo en imágenes Sentinel-2
Las Figuras 5 y 6 muestran ejemplos de algunas áreas quemadas detectadas (cuya ubicación se da en el mapa de la Figura 1). tal como aparecen en imágenes Sentinel-2 de enero a junio, visualizadas en falso color infrarrojo. En la Figura 5, ejemplos a, b y c, se observan zonas de transición entre bosque templado y tropical seco, donde ocurrieron incendios. En el mes de enero hay vegetación verde (en rojo). que va desapareciendo en febrero y marzo; en abril la vegetación verde es escasa, reducida a zonas riparias y cumbres de montañas. En abril (Figura 5, ejemplo a) o mayo aparecen manchas negras, que corresponden a las cicatrices de los incendios; en junio, con el inicio de las lluvias, comienzan a desvanecerse (Figura 5, ejemplo b). El dNBR, calculado entre febrero y mayo, identifica en las zonas quemadas algunos puntos altamente afectados; sin embargo, este índice detecta otras zonas donde las imágenes Sentinel-2 no evidencian quemas. Lo mismo ocurre con la detección de PROBA-V, que además de las zonas quemadas, señala otras que no lo están. Por su parte, MODIS identifica acertadamente las zonas quemadas.
Figura 5 Ejemplos de áreas quemadas en bosque tropical seco a templado (ubicación en figura 1). en imágenes Sentinel-2 en falso color infrarrojo. Índice dNBR entre febrero y mayo; áreas quemadas en las series PROBA-V 300 m y MCD64A1 de MODIS del mismo año.
Figura 6 Ejemplos de áreas quemadas en bosque templado y agricultura (ubicación en figura 1). en imágenes Sentinel-2 en falso color infrarrojo. Índice dNBR entre febrero y mayo; áreas quemadas en las series PROBA-V 300 m y MCD64A1 de MODIS del mismo año.
La Figura 6, ejemplo d, muestra como ejemplo una zona de bosque templado que se mantiene verde todo el año, con una zona central de encino y matorrales, que parece ya quemada en enero y febrero y se recupera a partir de marzo. En los bosques, los incendios inician en abril y se extienden considerablemente en mayo. Se observan nubes de humo y cenizas incandescentes. El dNBR califica con afectación alta los principales incendios; sin embargo, identifica con afectación baja zonas no quemadas y no detecta las áreas quemadas en la parte central, por estar quemadas en febrero y verdes en mayo. MODIS detecta con bastante aproximación todas las áreas quemadas, mientras que los aciertos de PROBA-V son casuales.
La Figura 6, ejemplo e, muestra quemas agrícolas. En este caso, el dNBR no identifica bien la zona, por no existir diferencias entre febrero y mayo; MODIS la identifica parcialmente, mientras que la identificación de PROBA-V parece la más acertada. Finalmente, la Figura 6, ejemplo f, ejemplifica un incendio en una zona forestal aledaña a plantaciones de aguacate (principal cultivo en Michoacán). fácilmente identificables en falso color por el tono rojo más claro que el de los bosques. La zona quemada es evidente en la imagen de abril y se amplía hacia el norte en junio, lo que se aprecia debajo de la nube presente en la imagen de este mes. El dNBR detecta como altamente afectadas las zonas quemadas en abril (presentes en mayo). además de zonas no quemadas que califica como de baja afectación; no detecta la zona de junio, porque el índice se calculó entre mayo y febrero. MODIS sí detecta las zonas quemadas, mientras que la detección de PROBA-V es prácticamente nula.
DISCUSIÓN
La detección automática de áreas quemadas no es una tarea sencilla. De las diferentes iniciativas existentes, ninguna cumple con el objetivo de calidad de Global Climate Observing System for Burned Area (Padilla y Ramo, 2022). Los resultados varían dependiendo del bioma y la zona de estudio (Tansey et al., 2020).
Algunos satélites tienen la capacidad de detectar incendios activos, porque estos emiten más radiación en forma de calor (infrarrojo térmico) que el ambiente circundante (Neger y Manzo-Delgado, 2021); si la diferencia supera ciertos umbrales, establecidos dentro de un algoritmo, se registra como una anomalía térmica (González-Gutiérrez et al., 2020) o punto de calor. Es el caso de MODIS, con cuyos datos se generan los productos MDC64A1 y Fire_CCI; también era la base de la versión 2 de PROBA-V (Padilla y Tansey, 2018). que no llegó a implementarse (Padilla, 2021). La identificación de puntos de calor, que se realiza usualmente en la noche, puede llevar a errores por la presencia de superficies altamente reflectivas, como nubes y cuerpos de agua, que se confunden con el fuego (Neger y Manzo-Delgado, 2021). Cuando los puntos calientes se detectan tanto en el día como en la noche, como en Sentinel-3, resulta necesario aplicar una máscara para el reflejo del sol y los bordes de las nubes; no se enmascaran, sin embargo, todas las zonas oceánicas, porque también interesa la detección de llamas de gas en alta mar (Polehampton et al., 2023). El tamaño del incendio es otra limitante, por la baja resolución espacial de los datos; se considera que el uso de los puntos de calor, de acuerdo con las tasas de detección, son ideales para áreas quemadas que superen las 50 ha (González-Gutiérrez et al., 2020). Resulta difícil, además, distinguir entre la generación de incendios forestales y las quemas en pastizales y cultivos (González-Gutiérrez et al., 2020). así como en zonas urbanas, vías de transporte, vertederos de basura, etc., para lo cual es necesario superponer mapas detallados de coberturas.
Algunos satélites, como PROBA-V, no cuentan con la tecnología necesaria para detectar puntos de calor y basan la identificación de los incendios en los cambios que han provocado en la vegetación (Manzo-Delgado, 2016). Si bien esta metodología puede dar buenos resultados en algunos casos, no es una apuesta segura. Los índices basados en la detección de cambios en el NIR, o en la relación NIR-SWIR, pueden fácilmente caer en errores de detección, principalmente en coberturas caducifolias, con cambios estacionales naturalmente abruptos. Resulta necesario realizar primero una selección de pixeles de zonas quemadas, como en el caso de las validaciones de los productos MODIS y PROBA-V con imágenes Landsat, donde se realiza primero una clasificación supervisada para identificar las zonas afectadas (Chuvieco et al., 2019).
En el presente estudio, entre las series de tiempo de áreas quemadas actualmente disponibles, se compararon la colección PROBA-V 300 m y MDC64A1 de MODIS, para el estado de Michoacán, en el periodo 2015-2020. Se trata de un ejercicio más local que los realizados a nivel continental (Tansey et al., 2020) o nacional (Tansey y Arellano, 2016; Tansey et al., 2019). Se encontró una relación de 16/1 en el número de áreas quemadas detectadas por PROBA-V y MODIS, concentrándose las diferencias en los bosques tropicales secos. Algunos ejemplos de incendios, al visualizarse en imágenes Sentinel-2, evidencian un mayor acierto de MODIS que de PROBA-V; también resulta más acertada la serie MODIS que el dNBR calculado (sin realizar una clasificación previa) a partir de las imágenes. Esto confirma la mayor confiabilidad de las series basadas en la identificación de incendios activos, como paso previo a la caracterización de las áreas quemadas, sobre aquellas basadas únicamente en los cambios sufridos por la vegetación, identificados a partir del cálculo de índices.
RECOMENDACIONES
Las series de tiempo derivadas de datos satelitales constituyen, sin duda, una herramienta geográfica potente y novedosa, de gran valor para el análisis del territorio y del ambiente, pues permiten una visión global y objetiva de diferentes aspectos y su evolución en tiempos recientes. En el caso de los incendios, las series de áreas quemadas permiten realizar un monitoreo general y sistemático de los incendios ocurridos en un territorio, que puede ser útil para guiar y complementar los datos de campo y el análisis de imágenes satelitales. El apoyo en imágenes de alta resolución es importante para el estudio detallado de zonas pequeñas, así como para evaluar el impacto del fuego y dar seguimiento al proceso de recuperación; resulta necesario, en este caso, clasificar la imagen para identificar las zonas quemadas, como paso previo a la evaluación de la afectación. Las series también pueden ser la base de estudios retrospectivos sobre la evolución del fenómeno de los incendios, en relación, por ejemplo, con el cambio climático, la deforestación o la expansión de la frontera agrícola o urbana.
Es importante, sin embargo, considerar que la exactitud y la pertinencia de cada serie depende de los datos y algoritmos utilizados para generarla, así como de las características de la zona de estudio. Entre las diferentes series de áreas quemadas disponibles, la recomendación es utilizar aquellas basadas en anomalías térmicas, en particular cuando en la zona se encuentran biomas caducifolios, con cambios estacionales drásticos. En todo caso, considerando que los satélites no identifican la cobertura quemada, es necesaria la superposición de mapas de uso de suelo, para distinguir los incendios forestales de las quemas agrícolas o los puntos de calor urbanos.
Los satélites MODIS están llegando al final de su vida útil y, de hecho, ya se ha observado una disminución en la detección de puntos de calor (Neger y Manzo-Delgado, 2021); algo similar ocurre con PROBA-V, cuya vida útil se debía prolongar hasta 2019 (Wolters et al., 2018). Los datos VIIRS de Suomi NPP están tomando el relevo por parte de la NASA, así como los de Sentinel-3, por la ESA. Si bien, por el momento, la generación de una serie de áreas quemadas con datos Sentinel-3 sigue en fase de demostración (Padilla y Ramo, 2022). podemos confiar en la permanente disponibilidad de series de áreas quemadas, además de otras variables biofísicas y climáticas, que permitirán la realización de estudios ambientales, con datos cada vez de mayor calidad y de periodos más largos.
