Cartografía de modelos de combustible a partir de sensores remotos: el caso de Asturias

  1. López Sánchez, Carlos Antonio 4
  2. Salgado L. 23
  3. Colina, A. 1
  1. 1 Instituto de Recursos Naturales y Ordenación del Territorio (INDUROT), Campus de Mieres, Universidad de Oviedo.
  2. 2 Departamento de Biología de Organismos y Sistemas y SMARTForest Group, Universidad de Oviedo.
  3. 3 Instituto de Recursos Naturales y Ordenación del Territorio (INDUROT), Campus de Mieres, Universidad de Oviedo.
  4. 4 Departamento de Biología de Organismos y Sistemas de la Universidad de Oviedo.
Actas:
8º Congreso Forestal Español. La Ciencia forestal y su contribución a los Objetivos de Desarrollo Sostenible.

Editorial: Sociedad Española de Ciencias Forestales

ISBN: 978-84-941695-6-4

Año de publicación: 2022

Páginas: 1-12

Tipo: Aportación congreso

Resumen

Los incendios forestales son una de las principales perturbaciones del medio natural, produciendo un impacto sobre masas forestales y suelo. En este contexto, la categorización energética de la vegetación, mediante modelos de combustible, es fundamental en tareas de prevención y extinción de incendios. Uno de los principales problemas asociados a los modelos de combustible es su dinamismo y, por tanto, la disponibilidad de cartografía actualizada, debido a los constantescambios en la cobertura vegetal y la naturaleza ardua y costosa de los inventarios de campo. Con los sensores remotos se incrementa la competitividad del sector forestal, permitiendo obtener información espacialmente continua.Este trabajo evalúa la cartografía de modelos de combustible obtenida a partir de la primera cobertura de datos LiDAR del Plan Nacional de Ortofotografía Aérea (PNOA-LiDAR) en Asturias (2012, 0,5 puntos m --2) e imagen satélite Landsat-5TM (2011) en tres municipios asturianos: Colunga, Somiedo y Valdés, apoyándose en el Cuarto Inventario Forestal Nacional (IFN-4) y el algoritmo de aprendizaje automático Random Forest (RF). El modelo presenta un buen ajuste en el conjunto de modelos combustibles con precisiones generales de 82,48% (Kappa=0.75), obteniendo ajuste perfecto (Kappa=0,80) para modelos depastos (Modelos Rothermel 1-2) y de bosques (Modelos Rothermel 8-9).