Introducción
⌅El
fuego también tiene historia y se cataloga como una fuerza evolutiva de
la naturaleza, ha sido aplicado en los sistemas agrícolas de las
culturas americanas prehispánicas, las quemas han sido una práctica
ancestral por más de 10 000 años, la cual limita la sucesión vegetal y
por consiguiente la presencia de formaciones boscosas, y mantiene el
paisaje de sabana como lo conocemos (Huertas et al., 2019Huertas,
A., Baptiste, B. L. G., Toro, M., & Huertas, H. (2019). Manejo de
la quema de pastizales de sabana inundable: Una mirada del pueblo
originario Sáliva en Colombia. Chungará (Arica), 51(1), 167-176.
).
Sin
embargo, los cambios de uso del suelo ocurridos durante los tres
últimos siglos en los distintos continentes, conjugados con los cambios
climáticos de carácter global y regional, han conllevado a la alteración
de los patrones naturales de ocurrencia de este fenómeno en la mayor
parte de los ecosistemas con coberturas vegetales transformándolos,
disminuyendo su biodiversidad y comprometiendo su capacidad productiva (Parra et al., 2011Parra, A. del C., Bernal, F. H., Armenteras, D., González, F., Morales, M., Pabón, D. J., & Páramo, G. E. (2011). Incendios de la cobertura vegetal en Colombia.
).
El
número de alertas de incendios en el mes de marzo aumenta debido a
factores como son la persistencia de un clima más cálido y seco debido
al cambio climático (Ariza, 2012Ariza, A. (2012). Tecnologías satelitales para mapeo de susceptibilidad a incendios forestales. https://www.un-spider.org/sites/default/files/2_Suceptibilidad_a_Incendios_AA_ONU-SPIDER_2020.pdf
).
Los incendios forestales del oriente cubano no solo transforman un
paisaje también influyen en la mala calidad del aire en varias ciudades
del interior del país.
Por lo descrito anteriormente, es vital proveer de información cuantitativa y cualitativa a las entidades gubernamentales encargadas de la gestión del riesgo de desastres, para que puedan crear mecanismos de compensación y mitigación de impactos post-incendio; esto se obtiene a través de la tecnología de la percepción remota y los sistemas de información geográfica (SIG).
Desde el año 2015 se han utilizado imágenes satelitales de las misiones Sentinel para la detección de incendios en diferentes partes del mundo casi en
tiempo real, en el marco del programa Copernicus de la Unión Europea (Fernández-Manso et al., 2016Fernández-Manso,
A., Fernández-Manso, O., & Quintano, C. (2016). SENTINEL-2A
red-edge spectral indices suitability for discriminating burn severity. International journal of applied earth observation and geoinformation, 50, 170-175.
).
La misión Sentinel 2 cuenta con las combinaciones de bandas necesarias para la aplicación
de los diferentes índices que permiten la identificación de conatos y el
análisis de variables como la severidad (Delegido et al., 2018Delegido,
J., Pezzola, A., Casella, A., Winschel, C., Urrego, P., Jimenez-Munoz,
J.-C., Sobrino, J., Soria, G., & Moreno, J. (2018). Estimación del
grado de severidad de incendios en el sur de la provincia de Buenos
Aires, Argentina, usando Sentinel-2 y su comparación con Landsat-8. Revista de Teledetección, 51, 47-60,
). De acuerdo con Delegido et al. (2018)Delegido,
J., Pezzola, A., Casella, A., Winschel, C., Urrego, P., Jimenez-Munoz,
J.-C., Sobrino, J., Soria, G., & Moreno, J. (2018). Estimación del
grado de severidad de incendios en el sur de la provincia de Buenos
Aires, Argentina, usando Sentinel-2 y su comparación con Landsat-8. Revista de Teledetección, 51, 47-60,
y el portal de las Naciones Unidas encargada de la administración de la información de Riesgos y desastres Keeley (2009)Keeley, J. E. (2009). Fire intensity, fire severity and burn severity: A brief review and suggested usage. International journal of wildland fire, 18(1), 116-126.
la combinación de las bandas 8A (NIR) y 12 (SWIR) con resolución espacial de 20 m pertenecientes a las imágenes Sentinel 2, presenta la mejor correlación para el cálculo del índice NBR.
El
índice normalizado del área quemada (NBR), fue diseñado para resaltar
áreas quemadas en grandes zonas de incendio y es un índice primordial
para calcular la severidad del fuego que puede interpretarse como la
pérdida o cambio de materia orgánica por encima y por debajo del suelo (Metallanes, 2019Metallanes, R. (2019). Lo que debes saber sobre imágenes Sentinel-2. GIS and Beers. http://www.gisandbeers.com/lo-deberias-saber-imagenes-sentinel-2/
).
El comportamiento de las masas vegetales frente al espectro
electromagnético en el infrarrojo se convierte en un instrumento útil
para el análisis de estudios forestales vinculados con incendios (Di Bella et al., 2008 Di Bella, C. M., Posse, G., Beget, M. E., Fischer, M. D. L. A., Mari,
N., & Verón, S. (2008). La teledetección como herramienta para la
prevención, seguimiento y evaluación de incendios e inundaciones. Ecosistemas, 17(3), I
).
Otro
medio empleado para detectar impactos de incendios forestales a escala
global son los focos de calor, estos se definen como una anomalía
térmica sobre el terreno, detectado a partir de imágenes MODIS y VIIRS
que viajan sobre los satélites Terra, Aqua, Suomi-NPP y NOAA. Estos
puntos de calor son en realidad aproximaciones a incendios o puntos
potenciales de fuego (Sebastian et al., 2017Sebastian,
B., González, T. M., & Armenteras, D. (2017). Dinámica espacio
temporal de ocurrencia de incendios en zonas con diferentes tipos de
manejo en el noroeste de la amazonia: ¿barrera efectiva? Revista facultad de ciencias básicas, 13(1), 19-25.
).
En
el Municipio de Mayarí, los focos de calor detectados por sensores
remotos (VIIR-S) durante la etapa de seca se encuentran cercanos a zonas
de Reservas Naturales de la Sociedad Civil incluidas dentro del
Registro Único Nacional de Áreas Protegidas, demostrando que la acción
del hombre está afectando la incidencia del fuego aumentando tanto su
intensidad como su frecuencia, particularmente en periodos de sequías (World Wildlife Fund (WWF)., 2016World Wildlife Fund (WWF). (2016). WWF Colombia. https://www.wwf.org.co
).
El objetivo de la presente investigación busca identificar áreas quemadas causadas por incendios forestales ocurridos en febrero del 2023 en el municipio de Mayarí, provincia de Holguín, por medio de índices espectrales utilizando imágenes Sentinel 2.
Materiales y Métodos
⌅El Parque Mensura Piloto, ubicado en Mayarí, Holguín, Cuba (20º30'N, 75º51'O), abarcando 8,486 hectáreas (Figura 1). Esta área protegida presenta características climáticas distintivas que la diferencia del medio nacional y provincial.
El régimen pluviométrico muestra dos picos máximos en mayo (275 mm) y septiembre (214 mm), hasta que la estación seca se extiende de noviembre a abril, mínimos con en enero y diciembre (menos de 100 mm). La precipitación anual totaliza 1,650 mm.
La temperatura media anual
es de 21,6ºC, con registros extremos de 6,6ºC (enero 2000) y 32ºC
(agosto 1987). Los Alisios del Noroeste dominan durante todo el año, con
velocidades de 13 km/h, generando lluvias o definiciones en la ladera
de barlovento y condiciones más secas en la de sotavento. La humedad
promedio promedio de 84,1% supera significativamente la media regional,
caracterizando al área como una zona con condiciones climáticas húmedas (ECURED-Cuba, 2025ECURED-Cuba. (2025). Parque Nacional La Mensura. Enciclopedia Cubana Digital. https://www.ecured.cu/Parque_Nacional_La_Mensura
).
Información espacio temporal de incendios y anomalías térmicas (focos de calor)
⌅La
información de ocurrencia de incendios forestales en el municipio de
Mayarí, se obtuvo a través del Departamento de Manejo del Fuego del
Cuerpo de Guardabosques, con cierre del 1 de marzo (Centro de Gestión de la Biosfera (CGB), 2023Centro de Gestión de la Biosfera (CGB). (2023). Cuba en datos: Incendios forestales-Clima y acción humana. https://www.mtss.gob.cu/noticias/cuba-en-datos-incendios-forestales-clima-y-accion-humana
).
Sobre el incendio de mayores proporciones, detectado el pasado 18 de
febrero de 2023 en Pinares de Mayarí y que, aun cuando fue enfrentado
tempranamente se propagó en menos de 24 horas por los fuertes vientos y
la abundancia de plantaciones de pino cubensis, consideradas material
combustible, el informe precisa que el área recorrida por las llamas
abarcó 3 612 hectáreas: 2 772 ha en bosques de cubensis, casuarina y
eucalipto; 4 ha de café y más de 666 ha de pastizales. Además, también
se recurre a la página web de Satellites Onfire (2025)Satellites Onfire. (2025). Satellites on fire-Historical hotspots. https://app.satellitesonfire.com/focos-historicos
,
históricos para identificar anomalías térmicas (focos de calor) y
ubicarlos en la zona de estudio para comprobar si son útiles en la
detección de incendios, estos puntos son detectados por el sensor VIIRS y
procesadas en la Collection de Satellites Onfire (2025)Satellites Onfire. (2025). Satellites on fire-Historical hotspots. https://app.satellitesonfire.com/focos-historicos
, se procede a la búsqueda de estos puntos pertenecientes al mes de febrero del 2023, Figura 2.
.
Obtención de imágenes satelitales
⌅Para acceder a las imágenes satelitales es necesario crear una cuenta en Browser Data Space Copernicus, Figura 3.
.
Una vez registrados, la interfaz permite establecer una serie de criterios en la búsqueda de imágenes. Se necesitan dos imágenes satelitales de Sentinel-2:
- Para reflectividad de la superficie (pre-fuego)
- Y otro pos-fuego, lo más próximas en el tiempo posible y libres de nubes.
La imagen pos fuego permitirá la visualización del incendio en una composición en falso color para la digitalización del perímetro y a partir de las dos imágenes se obtendrán índices espectrales como el de severidad.
En este caso de ejemplo, cartografiaremos el incendio forestal que se produjo el día 18/02/2023 en el término municipal de Mayarí y en el Parque Nacional Mensura-Piloto.
- Podemos dibujar un polígono sobre el área donde se localiza el incendio para facilitar la búsqueda de las imágenes.
- En los criterios de búsqueda seleccionamos las fechas más próximas a la ocurrencia del incendio.
- Especificamos que sean de la misión Sentinel-2 y elegimos el producto S2MSI2A (reflectividad de la superficie corregida atmosféricamente).
- Antes de descargar la imagen, la pre visualización Quicklook puede ayudarnos a descartar la presencia de nubes sobre el área de interés.
- En este caso se han descargado dos imágenes satelitales, un pre-fuego con fecha de adquisición 24/01/2023 y otro pos fuego con fecha 10/03/2023.
Generación de Layer Stack en QGIS 3.40
⌅Una vez tengamos descargadas las dos imágenes de Sentinel-2 debemos generar un archivo conjunto con todas las bandas, conocido en teledetección como Layer Stack, lo que nos permitirá realizar las composiciones en falso color que sean más adecuadas para la identificación del área quemada. Una de las composiciones en falso color más utilizada en la identificación de incendios es la SWIR/NIR/RED, lo que supone visualizar en el rojo el infrarrojo de onda corta (banda 12), en el verde el infrarrojo cercano (banda 8) y en el azul el rojo (banda 4).
Para generar el layer stack con todas las bandas de resolución 20 metros, utilizaremos la herramienta de combinar, en el apartado de Ráster de QGIS 3.40, Figura 4.
En las capas de entrada seleccionamos las 9 bandas con resolución de 20 metros por orden de numeración, de tal forma que la primera banda será la 2 y la última la banda 12. La información de cada banda en los productos Sentinel-2 se encuentra en esta carpeta, Figura 5.
A continuación, se muestran todas las bandas que han de incorporarse como input del Layer Stack, que son un total de 9 bandas con una resolución de 20 metros GSD.
Es muy importante marcar la casilla de colocar cada archivo de entrada en una banda separada, de lo contrario, el algoritmo combinará todas las bandas en una única tesela ráster. También es muy importante incorporar las bandas ordenadas en la herramienta de combinar, de la 2 a la 12 (un total de 9 bandas). De esta forma nos aseguramos que la banda 1 del Layer Stack se corresponde con la banda 2 de Sentinel y la última banda del Layer Stack con la banda 12 de Sentinel. Este último proceso, nos permite hacer composiciones en falso color al conocer el usuario la posición de cada banda en el Layer Stack (Figura 6).
Para una correcta visualización del archivo generado, en una composición de color SWIR/NIR/RED, en las propiedades de la capa, en simbología:
- Seleccionaremos color de multibanda y al cañón del rojo le asignaremos la banda 9 (banda 12 de Sentinel-2), al verde la banda 7 (banda 8 de Sentinel-2) y al azul la banda 3 (banda 4 de Sentinel-2).
- Configuraremos además un realce de 2 desviaciones estándar, para que se aprovechen mejor los niveles digitales en la visualización de la imagen.
El resultado de aplicar el paso anterior es el siguiente. Las zonas con presencia de vegetación vigorosa se ven verdes brillantes, y en este caso coinciden con los cultivos o áreas boscosas de Mensura-Piloto. La vegetación de zonas forestales se ve verde, pero con colores más apagados y las zonas sin vegetación o con escasa presencia de vegetación de colores rojizos o rosáceos.
Realizaremos el mismo proceso con la imagen post-fuego, estableceremos la misma composición en falso color y digitalizaremos en pantalla el perímetro del incendio. Así es la comparativa entre las imágenes pre-fuego y post-fuego utilizando esta composición en falso color SWIR/NIR/RED y en las que se puede visualizar claramente el área afectada por el fuego (Figura 7).
Para digitalizar en pantalla el perímetro del incendio, utilizaremos la composición en falso color SWIR/NIR/RED con realce del histograma. El incendio se verá claramente en la imagen con tonos rojizos. Crearemos una nueva capa GeoPackage para la digitalización en pantalla del perímetro, Figura 8.
Será necesario cartografiar los límites del perímetro a una escala adecuada y constante. Además, es interesante la extracción de islas no quemadas para el cálculo de la superficie incendiada en hectáreas.
Cálculo de índice de Severidad del fuego (dNBR)
⌅La severidad del fuego es un parámetro de gran interés en la evaluación de un incendio. Numerosos estudios han demostrado una relación inversa entre la severidad y la tasa de recuperación de la vegetación. De tal forma que este parámetro es útil para la planificación de actuaciones de regeneración vegetal y minimización de los daños.
Utilizaremos
para ello el índice dNBR, ampliamente utilizado por la comunidad
científica en la evaluación de la severidad de los incendios forestales.
NBR (Normalized Burnt Ratio) es un índice que compara las bandas
del infrarrojo de onda corta (banda 12 Sentinel-2) y la banda
infrarroja cercana (banda 8a Sentinel-2), ambas de resolución espacial
de 20 metros (Tecnitop S.A., 2025Tecnitop S.A. (2025). Cartografía de incendios forestales con QGIS 3.6. https://tecnitop.com/cartografia-de-incendios-forestales-con-qgis-3-6/
).
El comentado índice se basa en los cambios de reflectividad que se producen cuando la vegetación se ve afectada por el fuego. La destrucción de la estructura celular de las hojas provoca un descenso de la reflectividad en el infrarrojo cercano y un aumento de la reflectividad en el infrarrojo de onda corta por el aumento de la sequedad.
Cálculo del NBR pre en el área de estudio; utilizaremos la calculadora ráster incluyendo la siguiente expresión:
⌅A continuación, se muestra el resultado del NBR post-fuego, que es uno de los productos previos que junto con el NBR pre-fuego hay que generar con la calculadora ráster para la obtención del índice de severidad dNBR, Figura 9.
Cuando tengamos calculado tanto el NBR pre-fuego, como el NBR post-fuego, podremos calcular el dNBR que es la diferencia entre ambos, Figura 10.
Debido a
que únicamente interesa la información contenida dentro del perímetro
del incendio, podemos extraer la información de dNBR y recortarla para
que se adapte al perímetro del incendio. Esto lo haremos utilizando una
herramienta que nos ofrece GDAL y que está implementada en QGIS (2025)QGIS. (2025). QGIS official website. https://qgis.org
. El nombre de la herramienta es “Cortar ráster por capa de máscara”, Figura 11.
En la capa de entrada se especifica el dNBR, en la capa de máscara el perímetro del incendio, y guardamos el archivo en el directorio que deseemos. El resultado es el valor del índice dNBR, pero el que se encuentra únicamente contenido dentro de los límites del incendio.
Para clasificar la severidad utilizaremos la clasificación propuesta por los autores Key & Benson, (2006)Key, C. H., & Benson, N. C. (2006). Landscape assessment (LA). In:
Lutes, Duncan C.; Keane, Robert E.; Caratti, John F.; Key, Carl H.;
Benson, Nathan C.; Sutherland, Steve; Gangi, Larry J. 2006. FIREMON:
Fire effects monitoring and inventory system. Gen. Tech. Rep.
RMRS-GTR-164-CD. Fort Collins, CO: US Department of Agriculture, Forest
Service, Rocky Mountain Research Station. p. LA-1-55, 164.
en el proyecto FIREMON, Tabla 1.
| Nivel de Severidad | Rango dNBR |
|---|---|
| No Quemada | -10 a +99 |
| Baja Severidad | +100 a +269 |
| Moderada Severidad | +270 a +439 |
| Alta Severidad | +440 a +659 |
| Máxima | +660 a +1300 |
En las propiedades de la capa, en el apartado de simbología debemos seleccionar Pseudocolor monobanda e interpolación discreta. Establecemos 5 clases y en el apartado de valor, le pondremos los umbrales de severidad de Key & Benson (100 / 270 / 440 / 660 / Max). Aplicaremos una paleta de color de color rojo, con tonos más intensos cuanto mayor sea la severidad y a la primera clase que es la que se corresponde con las superficies no quemadas le pondremos un color verde, para que sea perfectamente distinguible de las superficies quemadas, Figura 12.
Para poder calcular las Has de cada área clasificada se necesita aplicar un orden de algoritmos en Qgis a la capa recorte del dNBR, los cuales se cita a continuación, resultados en la Tabla 2:
Resultados
⌅Combinación de bandas multiespectrales para identificación de incendios
⌅Las imágenes satélite provenientes de Sentinel 2 permiten visualizar las zonas afectadas por el fuego a través de la combinación RGB con las bandas 12, 8A, 4. Una combinación que caracteriza a la vegetación sana por presentar colores verdes mientras las zonas afectadas por el fuego quedarán representadas por contrastes cromáticos magentas virando a colores pardos y rojizos.
También, se puede cuantificar la superficie afectada mediante análisis de geometría o realizando análisis de afección mediante indicadores como el NBR, Figura 13.
Severidad de áreas quemadas en el Parque Mensura-Piloto
⌅Con la metodología expuesta en este artículo, se pueden generar cartografías de severidad para cualquier incendio forestal utilizando las imágenes de Sentinel-2 y QGIS. Estos mapas pueden ser de gran utilidad para la planificación de actuaciones de regeneración forestal y minimización de daños (Figura 14).
El mapa final que representa el índice de la severidad de áreas quemadas para el municipio de Mayarí, obtenido a partir de la clasificación del índice NBR, el 65,49% de las áreas corresponden a zonas quemadas con algún grado que pueden variar de gravedad.
Particularmente
revisten importancia las áreas afectadas por baja y media severidad las
cuales reportaron según la clasificación de los algoritmos un área de 5
543,12 ha lo cual representa cierta diferencia a las reportadas por el
cuerpo de guardabosque Centro de Gestión de la Biosfera (CGB) (2023)Centro de Gestión de la Biosfera (CGB). (2023). Cuba en datos: Incendios forestales-Clima y acción humana. https://www.mtss.gob.cu/noticias/cuba-en-datos-incendios-forestales-clima-y-accion-humana
, cuya cifra reportada alcanzó alrededor de 3 612 ha, Tabla 2.
| SEVERIDAD | PORCENTAJE | Total (ha) |
|---|---|---|
| Baja Severidad | 65,07 | 5 522,55 |
| Media Severidad | 0,24 | 20,57 |
| Alta Severidad | 0,17 | 15,25 |
| Máxima Severidad | 0,011 | 1 |
| Total | 65,49 | 5 543,12 |
Zonas de anomalía térmica
⌅Con
respecto a las zonas de Anomalía Térmica los puntos de calor del sensor
se han utilizado extensamente como aproximación a la ocurrencia del
fuego (Figura 15), especialmente en aquellos territorios en donde las estadísticas de incendios forestales no están disponibles (Chuvieco et al., 2012Chuvieco,
E., Cifuentes, Y., Hantson, S., López, A. A., Ramo, R., & Torres,
J. (2012). Comparación entre focos de calor MODIS y perímetros de área
quemada en incendios mediterráneos. Revista de Teledetección, 37, 9-22.
).
Discusión
⌅Con la combinación de bandas espectrales, los índices con borde rojo basados en las bandas de Sentinel (B12 y B8A) mostraron la mayor idoneidad para la discriminación de la gravedad en las quemas o incendios forestales. Esta afirmación sobre la idoneidad de los índices basados en Sentinel B12 y B8A para la discriminación de la gravedad en quemas forestales se encuentra documentada en la literatura científica sobre teledetección y análisis de incendios forestales.
Los índices espectrales que combinan las bandas B12 y B8A del Sentinel-2 han sido ampliamente estudiados y validados por la comunidad científica internacional. La efectividad de estas bandas se debe a sus características específicas:
- La banda B12 (ondas cortas infrarrojas) es particularmente sensible a cambios en la superficie terrestre después de incendios
- La banda B8A (infrarrojo cercano) proporciona información crucial sobre la salud de la vegetación
- La combinación de ambas bandas permite una discriminación precisa de diferentes niveles de severidad
- Esta metodología ha sido adoptada por investigadores y organismos internacionales debido a su capacidad para:
La investigación con imágenes satelitales de
Sentinel-2, permitió evaluar la magnitud del incendio en términos de
severidad y, generó información que confirma la utilidad del índice
espectral NBR y dNBR para analizar mediante la reclasificación no
supervisada los valores de severidad claves para el Parque
Mensura-Piloto. Esta alternativa se basa en poder detectar el cambio en
la reflectancia de las áreas quemadas y las áreas sin quemar, lo cual
define firmas espectrales que permiten diferenciar, por ejemplo, el
carbón resultante de la quema del material quemado (De Santis & Chuvieco, 2009De
Santis, A., & Chuvieco, E. (2009). GeoCBI: A modified version of
the Composite Burn Index for the initial assessment of the short-term
burn severity from remotely sensed data. Remote sensing of Environment, 113(3), 554-562.
).
Para
la clasificación de las imágenes posteriores al incendio, el índice
dNBR dio como resultado valores promedio de precisión para esta zona
tropical. Sin embargo, la metodología, ha mostrado también buenos
resultados para determinar la severidad del impacto del fuego en la
vegetación de diferentes ecosistemas forestales, como bosque templado,
bosques de pino y bosques boreales, por lo que se aplicado con éxito en
estudios en España, China y Grecia (Fornacca et al., 2018Fornacca,
D., Ren, G., & Xiao, W. (2018). Evaluating the best spectral
indices for the detection of burn scars at several post-fire dates in a
mountainous region of Northwest Yunnan, China. Remote Sensing, 10(8), 1196.
; Heredia et al., 2003Heredia,
Á., Martínez, S., Quintero, E., Piñeros, W., & Chuvieco, E. (2003).
Comparación de distintas técnicas de análisis digital para la
cartografía de áreas quemadas con imágenes LANDSAT ETM+. GeoFocus. International Review of Geographical Information Science and Technology, 3, 216-234.
).
En la severidad de áreas quemadas, se debe tener especial atención en las zonas quemadas con gravedad baja, debido a que se pueden confundir con las zonas de pastizales de sabana debido a su escasa vegetación superficial. Existen zonas estables o sin quemar en áreas de humedad, de lo cual se puede inferir que la protección se da naturalmente, por la dificultad que tiende generar fuego en estas zonas.
Para las zonas de anomalía térmica; según Miller et al. (2013)Miller,
S. D., Straka III, W., Mills, S. P., Elvidge, C. D., Lee, T. F.,
Solbrig, J., Walther, A., Heidinger, A. K., & Weiss, S. C. (2013).
Illuminating the capabilities of the suomi national polar-orbiting
partnership (NPP) visible infrared imaging radiometer suite (VIIRS)
day/night band. Remote Sensing, 5(12), 6717-6766, ISSN: 2072-4292.
, el sensor Visible Infrared Imaging Radiometer Suite (VIIRS) del Suomi National Polar-orbiting Partnership (Suomi NPP) de la NASA y NOAA tiene una resolución espacial nativa de 375 y 750 metros se considera
que estos puntos de fuego son muy confiables para la detección de
incendios más pequeños, en grandes áreas. Estos resultados son útiles
para realizar una comparación y un análisis cualitativo de la frecuencia
y la presencia de incendios.
Conclusiones
⌅- Las zonas con gravedad baja de incendios son difíciles de distinguir de pastizales de sabana debido a su similar apariencia superficial.
- SENTINEL 2 nivel 2A es una opción económica efectiva para análisis de áreas quemadas, gracias a su resolución de 20m en bandas 8A y 12, y su capacidad para diferenciar entre zonas quemadas y sombras/nubes.
- Los productos de anomalías térmicas VIIRS Suomi NPP son útiles para estudiar la distribución espacio temporal de incendios a escala regional.
- El índice NBR es especialmente efectivo para discriminar superficies afectadas por incendios forestales de otras cubiertas sin daños.