RT info:eu-repo/semantics/masterThesis
T1 Fire severity analysis in Sierra de La Culebra wildfire from hyperspectral satellite data
A1 Cipra Rodriguez, José Alberto
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenierías Agrarias
K1 Sensores remotos
K1 Impacto ecológico post-incendio
K1 PRISMA
K1 Indices hiperespectrales
K1 Remote sensing
K1 Post-fire ecological impact
K1 Hyperspectral indices
K1 3106.06 Protección
K1 3106.04 Ordenación de Montes
AB La evaluación de las perturbaciones post-incendio en los ecosistemas mediterráneos es esencial para cuantificar el impacto ecológico y guiar la restauración. Este estudio estima la severidad del incendio en la Sierra de la Culebra usando índices de vegetación (VIs) derivados de imágenes de satélite hiperespectrales (PRISMA) y multiespectrales (Sentinel-2). Se calculó una serie de índices de vegetación: índices de banda ancha adaptados a PRISMA, índices específicos de banda estrecha e índices multiespectrales estándar para Sentinel-2. Se identificaron los VIs de mejor desempeño analizando su eficacia en diferentes tipos de ecosistemas (bosque de coníferas, bosque de frondosas y matorral) y tipos del Índice Compuesto de Quemado (CBI; vegetación, suelo y lugar). La elaboración de los mapas se realizó según el tipo de sensor, ecosistema y CBI. Los datos hiperespectrales proporcionaron una caracterización detallada y continua de las propiedades espectrales relacionadas con las clases de severidad de incendio en todos los tipos de ecosistemas en comparación con los datos multiespectrales, mostrando correlaciones más fuertes con los valores de CBI. El CBI de la vegetación mostró mejores correlaciones con los VIs que el CBI del suelo, probablemente debido al diseño enfocado en la vegetación de la mayoría de los VIs. Los ecosistemas de bosque latifoliado y matorral mostraron valores de correlación más altos que los de bosque de coníferas, probablemente debido a las diferencias en la densidad del bosque y la estructura de los fustes, así como a la biomasa remanente y las condiciones del suelo tras un incendio. Entre los índices con mejores desempeños, los basados en las bandas borde rojo, NIR y SWIR fueron los que obtuvieron mejores resultados. En cuanto a los datos hiperespectrales, el índice de vegetación diferencial de borde rojo (DVIRED), el índice de vegetación mejorado (EVI) y el índice de absorción de celulosa (CAI) mostraron su utilidad para evaluar la salud de la vegetación. En cuanto a los datos multiespectrales, la diferencia normalizada del borde rojo (NDRE), el índice de clorofila del borde rojo (CIREDGE), el índice de vegetación de diferencia normalizada mejorada (ENDVI) y el índice de vegetación de diferencia normalizada verde (GNDVI) mostraron un gran rendimiento. En particular, el CAI fue el índice hiperespectral más eficaz, alcanzando la correlación más alta en este estudio (R2 = 0,808). Esta investigación demuestra el importante potencial de las imágenes hiperespectrales para la evaluación detallada post-incendio en los ecosistemas mediterráneos
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/80969
UL https://uvadoc.uva.es/handle/10324/80969
LA spa
NO Departamento de Producción Vegetal y Recursos Forestales
DS UVaDOC
RD 24-dic-2025