Potencial de las imágenes UAV como datos de verdad terreno para la clasificación de la severidad de quema de imágenes Landsat: aproximaciones a un producto útil para la gestión post incendio

La cuantificacion de la severidad de los incendios forestales es determinante para conocer la evolucion del paisaje despues de un incendio forestal y provee informacion de gran utilidad frente a la toma de decisiones en la gestion post incendio. La cartografia cuantitativa de severidad de incendios a partir de cambios relativos del indice Normalized Burn Ratio (RdNBR) no esta siendo realmente incorporada en los procesos de toma de decisiones, siendo mas utilizada la categorizacion en niveles de severidad (alta, mediana y baja). Sin embargo, las clasificaciones de severidad mas comunes, basadas en la definicion de umbrales de corte de RdNBR a partir de informacion de campo, no son siempre posibles por falta de datos de campo o bien porque los umbrales publicados resultan poco satisfactorios en localizaciones distintas a las de su calibracion. El auge del uso de UAVs (Unmaned Aerial Vehicle) ha planteado estas plataformas como posible herramienta para la validacion de informacion de satelite. En el presente trabajo se presenta la potencialidad de los UAV como informacion de verdad terreno en incendios forestales. A partir de la fotointerpretacion de imagenes RGB de alta resolucion se ha creado el indice ASPI (Aerial Severity Proportion Index), el cual, a partir de modelos de regresion no lineales con el indice RdNBR, permite delimitar umbrales para la clasificacion de las imagenes Landsat y obtener un mapa cualitativo de severidad. La validacion de los modelos de regresion entre RdNDR y ASPI a partir de puntos al azar muestra un indice kappa de 0,5 con un acierto relativo del 70,8%. Por lo tanto, las imagenes UAV son una herramienta muy util para la clasificacion de la severidad de incendios forestales y para rellenar la brecha existente entre la informacion proveniente de imagenes de satelite y las costosas campanas de campo.