Introducción

El incendio forestal, de acuerdo con la ^{Secretaría de Gobernación (2014)}, es el fuego que afecta combustibles vegetales en bosques, selvas y matorrales, cuya quema no estaba prevista, lo que obliga a intentar su extinción. En México, los incendios forestales se presentan durante el periodo de secas, alcanzando su nivel más crítico en los meses de abril y mayo, razón por la cual el gobierno federal ha implementado programas para el monitoreo y detección. La Secretaría de Medio Ambiente y Recursos Naturales (SEMARNAT), a través de la Comisión Nacional Forestal (CONAFOR), desarrolla el “Programa nacional de protección contra incendios forestales”, el cual está enfocado en la detección, combate y extinción de estos. Dicho programa emplea los siguientes mecanismos para la detección de incendios: terrestres fijos (torres de vigilancia forestal), terrestres móviles (supervisión constante con automóviles), y aéreos (supervisión con avionetas y helicópteros) para el monitoreo de zonas inaccesibles (^{Secretaría de Gobernación, 2014}).

^{Cruz-López, Saldaña, Ressl, y Colditz (2011)} y ^{Manzo (2016)} señalan que los reportes históricos de la CONAFOR registraron aproximadamente 14 000 incendios forestales en la temporada de 1998, considerada la más catastrófica de los años recientes en el territorio mexicano. Con este antecedente se desarrolló el programa “Detección de puntos de calor mediante técnicas de percepción remota”, que más tarde migró a “Sistema de alerta temprana para incendios”, ambos implementados por la CONABIO (Comisión Nacional para el Conocimiento y Uso de la Biodiversidad). Estos programas han utilizado imágenes de varios sensores entre los que destacan el Advanced Very High Resolution Radiometer (AVHRR), Moderate Resolution Imaging Spectroradiometer (MODIS) y el Visible Infrared Imaging Radiometer Suite (VIRSS). Los puntos de calor registran anomalías térmicas relacionadas con la generación de incendios forestales, quemas en pastizales y en cultivos (^{Cruz-López et al., 2011}). Los puntos son detectados mediante el empleo de bandas térmicas en una imagen de satélite, a partir de pixeles que cumplen con los umbrales establecidos dentro de un algoritmo y que muestran una temperatura elevada en comparación con sus vecinos.

La Comisión Nacional del Agua (CONAGUA) es otra dependencia que, a través del Servicio Meteorológico Nacional (SMN), ha monitoreado constantemente el territorio mediante el programa “Detección y seguimiento de incendios forestales”. Este programa utiliza imágenes de satélite provenientes de los sensores Geostationary Operational Environmental Satellite (GOES), AVHRR y MODIS.

La información generada por los programas mencionados se expresa a través de puntos de calor reportados diariamente a varias dependencias gubernamentales en todo el país. A pesar de que estos programas llevan más de 15 años utilizando tecnología satelital, no existe literatura sobre la fiabilidad temática; por ello, es necesario hacer pruebas para determinar la incertidumbre alcanzada. La fiabilidad temática, de acuerdo con ^{Chuvieco (2008)} y ^{Mas, Díaz-Gallegos, y Pérez (2003)}, es el grado de exactitud que alcanza un mapa obtenido de la clasificación digital o visual de una imagen de satélite, al ser comparado con información de referencia considerada altamente confiable y analizado con técnicas estadísticas.

La evaluación de la fiabilidad temática es un tema abordado por diversos trabajos (^{Card, 1982}; ^{Chuvieco, 2008}; ^{Congalton, 1991}; ^{Mas et al., 2003}, ²⁰¹⁴; ^{Olofsson et al., 2014}; ^{Olofsson, Foody, Stehman, & Woodcock, 2013}; Stehman & Czaplewski, 1998) que presentan las siguientes recomendaciones para realizarla con rigor estadístico: a) implementar un diseño probabilístico reportando la unidad de muestreo, tipo de muestreo y tamaño de la muestra; b) proporcionar una representación espacial y temporal adecuada, a partir de los datos de referencia, para etiquetar cada unidad de la muestra con precisión; c) resumir la evaluación de la fiabilidad reportando una matriz de confusión en términos de proporción de área; d) estimar la fiabilidad global indicando los errores de omisión y comisión; y e) cuantificar la incertidumbre de los índices de fiabilidad mediante intervalos de confianza. Estos aspectos se consideran básicos en cualquier estudio de fiabilidad.

En este sentido, el objetivo de la presente investigación fue determinar la fiabilidad temática de los puntos de calor y de incendios forestales registrados en un periodo del año 2011, en una región del estado de Michoacán, debido a que no existen antecedentes de este tipo a nivel nacional. Los datos se obtuvieron de tres fuentes federales: CONAFOR, CONABIO y SMN.

Materiales y métodos

Área de estudio

El área de estudio comprendió los municipios de Aquila, Aguililla, Chinicuila y Coalcomán en el estado de Michoacán, abarcando una superficie de 5 875 km² (Figura 1). El área se determinó con base en dos factores: las concentraciones de puntos de calor mostradas por la CONABIO, por el SMN y por los reportes de incendios de la CONAFOR; y la disponibilidad de imágenes de alta resolución espacial a principios de febrero y al final del mes de mayo del 2011.

Figura 1 Localización del área de estudio para la evaluación de la fiabilidad temática de los puntos de calor y de los registros de incendios forestales en el estado de Michoacán, México. 

Métodos

Mapa de cubiertas forestales y pastizales

Los límites de las cubiertas, indicados en el mapa de la Serie V de INEGI, se mejoraron a través de una interpretación visual a una escala 1:50000, teniendo de fondo las imágenes Rapid Eye del 6 de febrero de 2011. Posteriormente, las cubiertas se reclasificaron en cuatro categorías: selvas, bosques, pastizales y otras cubiertas. De esta manera se obtuvo un mapa de cubiertas forestales y de pastizales que sirvió de base para determinar el tipo de vegetación afectada por los incendios.

Procesamiento de imágenes Rapid Eye

Los incendios ocurridos recientemente muestran una huella o cicatriz altamente detectable con técnicas de percepción remota, debido al comportamiento de la vegetación en el espectro después de un incendio; de acuerdo con ^{Robinson (1991)} y ^{Pereira et al. (1999)}, la vegetación muestra un ligero aumento en la respuesta del visible y una disminución en la región del infrarrojo cercano. Dependiendo de la combinación de bandas espectrales, las cicatrices adquieren tonalidades muy características; por ejemplo, en un falso color se pueden apreciar cicatrices que van del verde oscuro hasta las completamente negras. Estas cicatrices son muy notables en la época de mayor estrés hídrico de la vegetación que coincide con los meses de mayor afectación por los incendios.

Las cicatrices de incendios se detectaron con imágenes Rapid Eye nivel 2A que indican un preprocesamiento radiométrico, geométrico y del terreno (^{Blackbridge, 2013}). La detección se hizo con la metodología DETEQ (detección de áreas quemadas en tiempo real), desarrollada por el Instituto de Investigaciones en Pesquisas Espaciales (INPE) de Brasil. Esta metodología se basa en la aplicación del modelo lineal de mezcla espectral (MLME), segmentación de la imagen fracción sombra y aplicación de una clasificación no supervisada (^{Câmara, Valeriano, & Vianei, 2013}; ^{Shimabukuro et al., 2006}, ²⁰¹¹).

Una vez clasificadas, las áreas quemadas se analizaron a través de una interpretación visual con el fin de remover las áreas no correspondientes a cicatrices de incendios, ya que la imagen fracción sombra también realza las sombras y los cuerpos de agua presentes (Figura 2). El procesamiento se realizó en el software de código abierto SPRING versión 5.3 (^{Câmara, Souza, Freitas, & Garrido, 1996}).

Figura 2 Procesos metodológicos para la obtención de cicatrices de incendios. MLME: Modelo Lineal de Mezcla Espectral. 

Depuración de las bases de datos de CONAFOR, CONABIO y SMN

Los datos útiles de la CONAFOR para el análisis de fiabilidad fueron las coordenadas geográficas de los incendios reportados en bosques y selvas entre el 6 de febrero y el 20 de mayo de 2011 en los municipios involucrados. Las coordenadas se espacializaron en formato de puntos shapefile y se trataron con un buffer de 1 000 m, para procurar una mayor coincidencia espacial con respecto a la ubicación reportada. Estos polígonos se cruzaron con las cicatrices de incendios para evaluar su fiabilidad.

Por otra parte, se seleccionaron los puntos de calor de la CONABIO y del SMN situados en los municipios involucrados y reportados entre el 6 de febrero y el 20 de mayo de 2011. A estos puntos se aplicó un buffer cuadrado de 1 000, 1 100 y 4 000 m para la simulación de pixeles de los sensores MODIS, AVHRR y GOES, respectivamente, con el fin de conocer el número de cicatrices de incendios que existen en su interior, y así calcular la tasa de detección y ejecutar el análisis de fiabilidad.

Resultados

Detección de cicatrices de incendios

El mapeo arrojó como resultado un total de 2 181 cicatrices: 1 468 en pastizales, 435 en selvas y 278 en bosques con una superficie de afectación de 10 836, 1 529 y 4 091 ha, respectivamente. El área total siniestrada es de 16 448 ha que representan 3 % del total de la superficie de estudio. En los cuatro municipios involucrados, el pastizal fue la cobertura con mayor número de cicatrices y también con la mayor superficie afectada. De acuerdo con la Figura 3, los pastizales representan la mayor cantidad de incendios en todas las categorías analizadas, excepto en la categoría de más de 100 ha en la que sobresalen los incendios en bosques. Un rasgo importante fue el tamaño de las cicatrices, ya que la mayoría de las 2 181 fueron de pequeña magnitud; las cicatrices de 1 a 10 ha representaron 82 %, las cicatrices de 10 a 50 ha representaron 16.8 % y las cicatrices mayores de 50 ha representaron 1.2 %.

Figura 3 Magnitud de las cicatrices de incendios (6 de febrero y 20 de mayo del 2011) en cuatro municipios (Aquila, Aguililla, Chinicuila y Coalcomán) del estado de Michoacán, México. 

Tasa de detección con puntos de calor de CONABIO y SMN

La tasa de detección se determinó a partir de los puntos de calor del SMN y de la CONABIO. Se obtuvieron 710 puntos provenientes del sensor MODIS procesados en la CONABIO y 166 puntos del sensor MODIS, 82 puntos del sensor AVHRR y 102 puntos del sensor GOES procesados en el SMN. Estos puntos, con su respectivo buffer, se cruzaron con las 2 181 cicatrices.

En el Cuadro 3 se aprecia que existen 1 321 cicatrices que van de 1 a 5 ha cuando el sensor MODIS detectó 368, lo cual arroja una tasa de detección del 28 %. En el otro extremo existen siete cicatrices de más de 100 ha y se detectaron seis; por tanto, la tasa de detección fue de 86 %. Se puede observar que la tasa de detección se eleva conforme la superficie afectada aumenta. La Figura 4 muestra los resultados obtenidos cuando se realizó el mismo procedimiento para los puntos de calor de los otros sensores. Las cicatrices de los incendios también se separaron por tipo de cubierta al interior del píxel simulado, tal como se observa en la Figura 5.

Cuadro 3 Tasa de detección de incendios (6 de febrero y 20 de mayo del 2011) del sensor MODIS procesado en la CONABIO. 

Superficie (ha)	Cicatrices detectadas con Rapid Eye	Cicatrices detectadas con el sensor MODIS*	Tasa de detección
1 - 5	1 321	368	0.28
5 - 10	470	158	0.34
10 - 15	165	62	0.38
15 - 20	81	44	0.54
20 - 50	120	59	0.49
50 - 100	17	13	0.76
>100	7	6	0.86
Total	2 181	710

*Las cicatrices se separaron por magnitud de superficie detectada, aunque un píxel de MODIS puede incluir varias cicatrices.

Figura 4 Tasa de cicatrices detectadas por los sensores (AVHRR, MODIS y GOES) procesados por la CONABIO (Comisión Nacional para el Conocimiento y Uso de la Biodiversidad) y el SMN (Servicio Meteorológico Nacional). 

Figura 5 Comparación de las tasas de detección en las cubiertas analizadas: A) sensor MODIS procesado en la CONABIO (Comisión Nacional para el Conocimiento y Uso de la Biodiversidad) y B) sensor GOES, C) sensor MODIS y D) sensor AVHRR procesados en el SMN (Servicio Meteorológico Nacional). 

La Figura 5A representa el caso de MODIS procesado en la CONABIO. En la categoría de 15 a 20 ha, la tasa de detección alcanzada fue de 56, 50 y 40 % para pastizales, bosques y selvas, respectivamente. En la categoría de 20 a 50 ha, la tasa de detección fue de 48, 50 y 75 % en pastizales, bosques y selvas, respectivamente. La categoría de 50 a 100 ha alcanzó tasas de detección de 75 % en las cubiertas de pastizales y bosques y del 100 % en selvas. Finalmente, en la categoría de más de 100 ha, la tasa de detección fue de 85 % en bosques.

La Figura 5B representa el caso del sensor GOES. En la categoría de 20 a 50 ha, la tasa de detección fue de 43, 50 y 75 % en pastizales, bosques y selvas, respectivamente. En la categoría de 50 a 100 ha, la tasa de detección fue del 58, 25 y 100 % en pastizales, bosques y selvas, respectivamente. En la categoría de más de 100 ha, la tasa de detección alcanzada fue de 86 % en bosques. Algo importante que se debe considerar es la dimensión de los pixeles de este sensor, ya que en una superficie de 4 000 m² se conjugan cicatrices de diferentes magnitudes, por tanto, se recomienda tomar estos datos con cautela.

La Figura 5C muestra el caso de los datos del sensor MODIS procesados en el SMN, el cual señala valores muy bajos de la tasa de detección en todas las categorías, salvo en la categoría de más de 100 ha, donde la tasa fue 71 %, ya que detectó cinco de siete cicatrices en bosques. La Figura 5D muestra datos del sensor AVHRR, donde la tasa de detección es muy baja en cualquier categoría analizada y en cualquiera de las tres cubiertas en estudio.

Evaluación de la fiabilidad

Reportes de incendios de CONAFOR

El Cuadro 4 presenta el análisis de fiabilidad temática resultante del cruce de incendios forestales (ubicación geográfica) de la CONAFOR versus las cicatrices en bosques y selvas. Se puede apreciar que la localización espacial carece de exactitud, pues solo un incendio forestal coincide con una cicatriz; sin embargo, no significa que los incendios forestales no hayan ocurrido, sino que no se sabe cuáles son, por tanto, la evaluación de la fiabilidad quedó descartada.

Cuadro 4 Reportes de la Comisión Nacional Forestal (CONAFOR) sobre incendios forestales del 6 de febrero y 20 de mayo de 2011. 

Municipio	Reportes por municipio	Reportes que coinciden con alguna cicatriz	Cicatrices en bosques y selvas
Chinicuila	0	0	22
Aquila	0	0	359
Coalcomán	34	0	278
Aguililla	29	1	54
Total	63	1	713

Matrices ajustadas CONABIO y SMN

El tamaño de muestra fue de 150 puntos, esperando alcanzar una fiabilidad del 70 % con una incertidumbre de ±5 %:

n=1.9620.71-0.70.073332=150 Lo anterior se verificó con un intervalo medio de confianza de 0.06, con el cual la probabilidad quedaría comprendida entre 64 % y 76 %. La muestra se dividió en dos categorías: 75 para la categoría 0 y 75 para la categoría 1.

El Cuadro 5 muestra los resultados de la matriz corregida por la proporción del área, derivada del cruce entre las cicatrices de incendios y una muestra aleatoria de los puntos de calor reportados por la CONABIO.

Cuadro 5 Matriz ajustada para datos del sensor MODIS procesados en la CONABIO (Comisión Nacional para el Conocimiento y Uso de la Biodiversidad). 

Referencia (Cicatrices de incendios)
Mapa de puntos de calor (MODIS)		0	1	Total	Comisión
	0	0.65	0.22	0.88	0.25
	1	0.05	0.06	0.12	0.47
	Total	0.71	0.29	1
	Fiabilidad global			0.72
	Omisión	0.08	0.78

La fiabilidad global fue de 72 % para los puntos de calor MODIS procesados en la CONABIO. En el caso de los puntos procesados por el SMN, la fiabilidad fue 72 % en puntos de calor MODIS, 66 % en puntos de calor AVHRR y 39 % en los puntos de calor GOES. No obstante, un análisis más detallado, mostrado en el Cuadro 6, permitió calcular los errores de comisión y omisión con sus respectivos intervalos medios de confianza.

Cuadro 6 Errores de omisión y comisión con intervalos de confianza en la categoría puntos de calor. 

Tipo de sensor/Dependencia	Error de comisión		Error de omisión
	Categoría 0	Categoría 1	Categoría 0	Categoría 1
Puntos de calor MODIS/CONABIO	0.25	0.47	0.08	0.78
Intervalo medio de confianza	0.05	0.03	0.01	0.02
Puntos de calor MODIS/SMN	0.28	0.31	0.01	0.93
Intervalo medio de confianza	0.10	0.06	0.004	0.01
Puntos de calor AVHRR/SMN	0.33	0.51	0.01	0.97
Intervalo medio de confianza	0.12	0.10	0.004	0.009
Puntos de calor GOES/SMN	0.81	0.08	0.14	0.70
Intervalo medio de confianza	0.09	0.05	0.11	0.02

CONABIO: Comisión Nacional para el Conocimiento y Uso de la Biodiversidad; SMN: Servicio Meteorológico Nacional.

El Cuadro 6 reporta los errores de omisión y comisión para las dos categorías en estudio, aunque solamente se analizan los resultados de la categoría 1 que se refiere a los puntos de calor.

El error de comisión para esta categoría se refiere a la sobrestimación de puntos de calor en lugares que no tienen cicatrices de incendios. El error más alto se presentó con los datos del sensor AVHRR con 51 %; es decir, por cada 10 pixeles de puntos de calor en cinco no existen cicatrices. El valor más bajo se obtuvo con el sensor GOES (8 %).

El error de omisión para la categoría 1 se refiere a la subestimación de los puntos de calor donde sí hubo cicatrices de incendios. En este sentido, el error más alto se obtuvo con los datos del sensor AVHRR con 97 %; es decir, por cada 10 pixeles de puntos de calor existen otros 10 que tienen cicatrices y no fueron reportados. Al sensor AVHRR le siguen los datos del sensor MODIS procesados en el SMN con 93 %, después los datos del sensor MODIS procesados por la CONABIO con 78 % y finalmente los datos del sensor GOES con 70 %. Estos resultados muestran que existe alta omisión de incendios que no son detectados con imágenes de estos sensores (Figura 6).

Aunado al análisis de los datos se midieron los intervalos de confianza para cada categoría y tipo de error. Los resultados presentan valores muy bajos en todos los casos, lo cual indica que el tamaño de la muestra fue idóneo para la evaluación de la fiabilidad.

Figura 6 Errores de comisión y omisión para la categoría puntos de calor: A) datos MODIS procesados en la CONABIO (Comisión Nacional para el Conocimiento y Uso de la Biodiversidad), y B) datos MODIS, C) datos AVHRR y D) datos GOES procesados en el SMN (Servicio Meteorológico Nacional). 

Discusión

Los incendios reportados por la CONAFOR carecen de coincidencia espacial con respecto a las cicatrices; de 63 reportes de incendios solo existió una coincidencia, al aplicar un buffer de 1 000 m. Tales resultados generan una idea confusa en cuanto a su localización. Esta información es muy útil, ya que las estadísticas de incendios, superficie afectada y ubicación espacial son utilizadas constantemente para la generación de índices y modelos preventivos, asignación de recursos, reportes de incidencia, entre otros (^{Ávila-Flores, Pompa-García, & Vargas-Pérez, 2010}; ^{Gutiérrez, Orozco-Hernández, Ordoñez, & Camacho, 2015}; ^{Torres-Rojo, Magaña-Torres, & Ramírez-Fuentes, 2007}).

Respecto a la tasa de detección para los pixeles simulados de cada sensor, los mejores resultados se obtuvieron con el sensor MODIS de la CONABIO con una tasa de 75 % en la categoría de 50 a 100 ha y de 86 % en superficies mayores de 100 ha. Estos resultados muestran similitud con lo reportado por ^{Cruz-López et al. (2011)}, quienes compararon los puntos de calor detectados con MODIS versus cicatrices detectadas con imágenes ASTER. Estos autores indican que cuando las cicatrices cubren 50 % de un píxel de MODIS, la coincidencia con imágenes ASTER es de 40 %, y que cuando el píxel de MODIS se acerca al 80 % de superficie afectada, la coincidencia con datos ASTER llega al 85 % de lo detectado. En otras palabras, estos resultados señalan que cuanto mayor es la superficie afectada mayor es la probabilidad de detección.

La evaluación de la fiabilidad temática tuvo un promedio global del 62 % en las matrices de confusión con los sensores utilizados; no obstante, los errores de omisión y comisión para la categoría puntos de calor representaron un promedio de 85 y 34 %, respectivamente. El error de omisión expresa una idea de la subestimación de las áreas afectadas por incendios. En este sentido, es indispensable evaluar los puntos de calor de la CONABIO y del SMN, ya que son utilizados ampliamente por varias dependencias. La CONABIO, por ejemplo, reporta cerca de 590 usuarios de 109 dependencias, siendo la CONAFOR, la CONANP (Comisión Nacional de Áreas Naturales Protegidas) y la SAGARPA (actualmente SADER [Secretaría de Agricultura y Desarrollo Rural]) las de mayor número de solicitudes (^{Cruz-López et al., 2011}). Otros autores también han utilizado puntos de calor de la CONABIO, para generar modelos preventivos contra incendios forestales (^{Carrillo, Rodríguez, Tchikoué, Monterroso, & Pérez, 2012}; ^{Rodríguez-Trejo, Tchikoué, Cíntora-González, Contreras-Aguado, & de la Rosa-Vázquez, 2011}), caracterizar los patrones espaciales y determinar los factores antrópicos y ambientales que generan la presencia o ausencia de puntos (^{Muñoz-Robles & Santana-Arias, 2018}).

Los valores altos de omisión reportados con los sensores utilizados para el monitoreo de incendios es consecuencia de varios factores, como el tamaño de la superficie afectada, la duración, la hora de adquisición de las imágenes y las condiciones meteorológicas. Con relación al tamaño, se pudo demostrar que la clase de 1 a 10 ha representa 82 % de las cicatrices detectadas con imágenes Rapid Eye. Esto concuerda con los registros de la CONAFOR, los cuales indican que los incendios menores de 10 ha representaron 73 % del total para el año 2011 en Michoacán. ^{Vilchis-Frances, Diaz-Delgado, Magaña-Lona, Ba, y Gomez-Albores (2015)} señalan que los incendios, en promedio, no superan las 4 ha en el Estado de México y representan 87 %. ^{Manzo (2016)} analizó productos cartográficos sobre incendios y dedujo que, a nivel nacional, los menores de 50 ha representan 61 % y mencionó, por otra parte, que los reportes históricos de la CONAFOR indican que 66 % son menores de 5 ha. De esta manera, se confirma que los incendios de pequeñas proporciones no son detectados por los sensores aquí analizados.

La duración de los incendios es otro factor para considerar; en Michoacán se tiene un promedio de 4.5 h de acuerdo con la base de datos de la CONAFOR 2011. ^{Vilchis-Frances et al. (2015)} plantean que los eventos inician en promedio entre las 12:00 y las 15:00 horas y que 83 % dura menos de 5 h para el caso del Estado de México, mientras que ^{Manzo (2016)} indica que, a nivel nacional, 83 % de los incendios dura menos de 24 h.

Las imágenes de satélite utilizadas para la detección de puntos de calor provienen de los sensores MODIS, AVHRR y GOES, de modo que es relevante considerar la hora de recorrido de estas plataformas, para determinar si pueden o no detectar incendios activos. ^{García-Mora y Mas (2011)}) informan que la plataforma Terra-MODIS está programada para ir de norte a sur y cruzar el Ecuador a las 10:30 -México a las 9:30 horas-, mientras que la plataforma Aqua-MODIS va de sur a norte y atraviesa el Ecuador a las 13:30 horas -México a las 14:30 horas-. ^{Vera (2005)} dice que la plataforma NOAA-AVHRR18 tiene una órbita heliosincrónica de norte a sur con un primer recorrido por el Ecuador a las 7:30 horas y una segunda 12 horas después, a las 19:30 horas. El AVHRR 19 cruza Ecuador dos veces, a las 13:30 y a las 1:30 horas. El sensor GOES cuenta con una órbita geoestacionaria y monitorea el territorio nacional cada 30 min; sin embargo, por su baja resolución espacial (4 000 m) difícilmente se podrá saturar un píxel, ya que los incendios son de pequeñas proporciones y corta duración.

Esta información permite deducir que los sensores MODIS-Terra y el AVHRR-18 tienen menos probabilidades de detectar puntos de calor o incendios por su horario de monitoreo y la corta duración de los eventos.

Conclusiones

Respecto a las coordenadas de los incendios forestales, reportadas por CONAFOR, no existe un buen sistema de captura. Si esta situación mejorara podrían hacerse estudios más confiables. El uso de los puntos de calor, de acuerdo con las tasas de detección, son ideales para incendios que superen las 50 ha. Desde tal perspectiva, lo ideal sería explorar otras alternativas para la detección de incendios activos de pequeñas dimensiones con imágenes de mayor resolución espacial de carácter público o privado. Por otra parte, la metodología aquí empleada resultó idónea para evaluar la fiabilidad temática con el apoyo de imágenes de alta resolución espacial y de la mejora en la escala del mapa de cubiertas. Finalmente, este tipo de evaluación podría servir para dar certeza a la información requerida por un programa de monitoreo y detección de incendios forestales, con el objetivo de contribuir a una determinación más precisa de la susceptibilidad a incendios.