Modelos empíricos de predicción del contenido de humedad del combustible vivo mediante índices espectrales de Sentinel-2 y datos meteorológicos
Mostrar el registro completo del ítem
Título: Modelos empíricos de predicción del contenido de humedad del combustible vivo mediante índices espectrales de Sentinel-2 y datos meteorológicos
Autor: Arcos, María; Balaguer-Beser, Ángel; Ruiz, Luis
Resumen:
[EN] The water content of the vegetation affects the flammability of the vegetation and fire behavior. A standard measure of this parameter is the live fuel moisture content (LFMC), calculated as the percentage of humidity of the vegetation relative to its dry weight. The aim of this work was to predict LFMC values of Rosmarinus officinalis in forest areas of the Valencian Community (Spain) using spectral indices obtained from Sentinel-2 satellite images and meteorological data. For this, LFMC values of this species were obtained from field samples collected biweekly from June to October in years 2019 and 2020 in three forest plots in the province of Valencia (Spain). The meteorological data (precipitation, temperature, relative humidity and wind speed) were obtained from observatories of the State Meteorological Agency (AEMET) of Spain. Multiple linear regression models were applied to estimate LFMC, using as predictor variables different spectral indices generated from Sentinel-2 images, calculated using Google Earth Engine and R programming. The results obtained using smoothed spectral data with the Savitzky-Golay filter were compared with data without such smoothing, also considering the differential contribution of the meteorological variables in each of the interpolated dates for each plot with data from the study area.
[ES] El contenido de agua de la vegetación afecta a la inflamabilidad de la vegetación y al comportamiento del fuego. Una medida estándar de este parámetro es la humedad del combustible vivo (HCV), calculada como el porcentaje de humedad de la vegetación respecto a su peso seco. El objetivo de este trabajo ha sido predecir los valores de HCV de Rosmarinus officinalis en zonas forestales de la Comunitat Valenciana (España) utilizando índices espectrales obtenidos a partir de imágenes de los satélites Sentinel-2 y datos meteorológicos. Para ello, se obtuvieron valores de HCV de dicha especie en muestras tomadas quincenalmente entre los meses desde junio hasta octubre de los años 2019 y 2020 en tres parcelas forestales en la provincia de Valencia (España). Los datos meteorológicos (precipitación, temperatura, humedad relativa y velocidad del viento) se obtuvieron a partir de observatorios de la Agencia Estatal de Meteorología (AEMET) de España. Se aplicaron modelos de regresión lineal múltiple para estimar los valores de HCV, usando como variables predictoras distintos índices espectrales generados a partir de imágenes Sentinel-2, calculados usando Google Earth Engine y programación en R. Se compararon los resultados obtenidos empleando datos espectrales suavizados con el filtro Savitzky-Golay y datos sin suavizar, considerando además el aporte diferencial de las variables meteorológicas en cada una de las fechas interpoladas para cada parcela con datos de campo.
[EN] The water content of the vegetation affects the flammability of the vegetation and fire behavior. A standard measure of this parameter is the live fuel moisture content (LFMC), calculated as the percentage of humidity of the vegetation relative to its dry weight. The aim of this work was to predict LFMC values of Rosmarinus officinalis in forest areas of the Valencian Community (Spain) using spectral indices obtained from Sentinel-2 satellite images and meteorological data. For this, LFMC values of this species were obtained from field samples collected biweekly from June to October in years 2019 and 2020 in three forest plots in the province of Valencia (Spain). The meteorological data (precipitation, temperature, relative humidity and wind speed) were obtained from observatories of the State Meteorological Agency (AEMET) of Spain. Multiple linear regression models were applied to estimate LFMC, using as predictor variables different spectral indices generated from Sentinel-2 images, calculated using Google Earth Engine and R programming. The results obtained using smoothed spectral data with the Savitzky-Golay filter were compared with data without such smoothing, also considering the differential contribution of the meteorological variables in each of the interpolated dates for each plot with data from the study area.
[ES] El contenido de agua de la vegetación afecta a la inflamabilidad de la vegetación y al comportamiento del fuego. Una medida estándar de este parámetro es la humedad del combustible vivo (HCV), calculada como el porcentaje de humedad de la vegetación respecto a su peso seco. El objetivo de este trabajo ha sido predecir los valores de HCV de Rosmarinus officinalis en zonas forestales de la Comunitat Valenciana (España) utilizando índices espectrales obtenidos a partir de imágenes de los satélites Sentinel-2 y datos meteorológicos. Para ello, se obtuvieron valores de HCV de dicha especie en muestras tomadas quincenalmente entre los meses desde junio hasta octubre de los años 2019 y 2020 en tres parcelas forestales en la provincia de Valencia (España). Los datos meteorológicos (precipitación, temperatura, humedad relativa y velocidad del viento) se obtuvieron a partir de observatorios de la Agencia Estatal de Meteorología (AEMET) de España. Se aplicaron modelos de regresión lineal múltiple para estimar los valores de HCV, usando como variables predictoras distintos índices espectrales generados a partir de imágenes Sentinel-2, calculados usando Google Earth Engine y programación en R. Se compararon los resultados obtenidos empleando datos espectrales suavizados con el filtro Savitzky-Golay y datos sin suavizar, considerando además el aporte diferencial de las variables meteorológicas en cada una de las fechas interpoladas para cada parcela con datos de campo.
URI: http://hdl.handle.net/10251/174755
Fecha: 2021-10-01
Relacionado
Ítems en Google Scholar
Ficheros en el ítem
