s experimentalestauja.ujaen.es/bitstream/10953.1/4642/1/tfg_garcía_alguacil... · s experimentales...
TRANSCRIPT
Fa
cultad d
e C
iencia
s E
xperim
enta
les
UNIVERSIDAD DE JAÉN Facultad de Ciencias Experimentales
Trabajo Fin de Grado
Alumno: Jonathan García Alguacil
Julio, 2016
Análisis de la evolución de los usos del suelo, recursos y parámetros
físicos mediante técnicas de teledetección y SIG
Fa
cultad d
e C
iencia
s E
xperim
enta
les
UNIVERSIDAD DE JAÉN Facultad de Ciencias Experimentales
Trabajo Fin de Grado
Alumno: Jonathan García Alguacil
Julio, 2016
Análisis de la evolución de los usos del suelo, recursos y parámetros
físicos mediante técnicas de teledetección y SIG
Agradecimientos a mi tutor Tomás Fernández del Castillo, que sin su ayuda, paciencia y conocimientos no podría haber desarrollado este trabajo, y a mi familia, por todo su apoyo y comprensión a la hora de afrontar juntos mi etapa universitaria.
ÍNDICE
Resumen, Abstract……………………………………………………………….pág. 1
1. Introducción………………………………………………………………...…pág. 2
1.1. Localización e información de la zona de estudio………………pág. 2
1.2. Técnicas empleadas: teledetección y SIG………………………..pág. 3
2. Objetivos y Justificación…………………………………………………….pág. 4
2.1. Objetivos…………………………………………………………….....pág. 4
2.2. Justificación…………………………………………………………...pág. 4
3. Materiales………………………………………………………………………pág. 5
3.1. Hardware…………………………………………………………….…pág. 5
3.2. Software……………………………………………………………..…pág. 6
3.3. Imágenes…………………………………………………………….…pág. 6
4. Metodología……………………………………………………………………pág. 8
4.1. Selección de las imágenes………………………………………….pág. 9
4.2. Correcciones de imagen………………………………………….…pág. 9
4.2.1. Corrección radiométrica……………………………………………pág. 9
4.2.2. Corrección geométrica……………………………………………pág. 10
4.3. Imágenes a color……………………….……………………………pág. 10
4.4. Imágenes en falso color………………………………………….…pág. 11
4.5. Cálculo de índices…………………………………………………..pág. 11
4.5.1. Índice de vegetación: NDVI………………………………………pág. 11
4.5.2. Índice de humedad: NDHI……………………………………..…pág. 12
4.6. Clasificación digital…………………………………………………pág. 12
4.6.1. Fase de entrenamiento………………………………………...…pág. 13
4.6.2. Análisis de separabilidad…………………………………………pág. 14
4.6.3. Fase de asignación…………………………………………….....pág. 15
4.6.4. Verificación: Matriz de confusión………………………...…...…pág. 15
4.7. Análisis multitemporal…………………………………………......pág. 15
4.7.1. Diferencias entre índices……………………………………….pág. 15
4.7.2. Comparación de clasificaciones……………………………...pág. 16
5. Resultados……………………………………………………………………pág. 16
5.1. Imágenes a color…………………………………………………….pág. 16
5.2. Imágenes en falso color………………………………………….…pág. 17
5.3. Cálculo de índices…………………………………………………..pág. 17
5.3.1. Índice NDVI……………………………………………...……...…pág. 17
5.3.2. Índice NDHI………………………………………………………..pág. 18
5.4. Clasificación y Verificación………………………………………..pág. 19
5.4.1. Clasificación…………………………………………………….…pág. 19
5.4.2. Verificación……………………………………………………...…pág. 20
5.5. Análisis multitemporal……………………………………………..pág. 21
5.5.1. Diferencias entre índices…………………………………………pág. 21
5.5.2. Comparación de clasificaciones…………………………………pág. 23
6. Discusión……………………………………………………………………..pág. 25
6.1. Clasificación y Verificación………………………………………..pág. 25
6.2. Análisis multitemporal……………………………………………..pág. 27
7. Conclusión…………………………………………………………………...pág. 29
Anexo I…………………………………………………………………………….pág. 31
Anexo II……………………………………………………………………………pág. 32
Anexo III…………………………………………………………………………..pág. 33
Anexo IV…………………………………………………………………………..pág. 34
Anexo V…………………………………………………………………………...pág. 35
Anexo VI…………………………………………………………………………..pág. 36
Anexo VII……………………………………………………………………….....pág. 37
Anexo VIII…………………………………………………………………………pág. 38
Anexo IX…………………………………………………………………………..pág. 39
Anexo X…………………………………………………………………………...pág. 40
Anexo XI………………………………………………………………………..…pág. 41
Anexo XII………………………………………………………………………….pág. 42
Anexo XIII…………………………………………………………………………pág. 43
Anexo XIV…………………………………………………………………………pág. 44
Anexo XV……………………………………………………………………….…pág. 45
Anexo XVI…………………………………………………………………………pág. 46
Anexo XVII……………………………………………………………………..…pág. 47
Anexo XVIII……………………………………………………………………….pág. 48
8. Bibliografía………………………………………………………………...…pág. 49
1
RESUMEN
Se han analizado los efectos del incendio producido en Agosto de 2005 en
el Parque Natural de Cazorla, Segura y Las Villas, la evolución del área de
estudio así como cambios en los usos del suelo debidos o no al incendio
mediante Software QGIS, un paquete informático SIG de carácter libre que
incorpora funciones de análisis de imagen. Para ello hemos aplicado técnicas
de teledetección en una serie de imágenes de la zona, de diferentes estaciones
climatológicas y años para determinar el Índice de Vegetación, Índice de
Humedad, y un estudio clasificatorio de la evolución de los usos del suelo.
Palabras clave: Incendio, Parque Natural de Cazorla Segura y Las Villas,
Software libre, Evolución, Teledetección.
ABSTRACT
We have analized the side effects produced by fire occurred in August 2005
in Cazorla, Segura and Las Villas Nature Park, the evolution of the study area
and changes in land use, due or not to the fire. by QGIS software , a GIS free
use software that incorporates image analysis techniques. For that we have
applied remote sensing techniques in a serie of images of the área with different
weather stations and years for determinate the Vegetation Index, Humity Index
and a clasification study of the evolution of land use.
Keywords: Fire, Cazorla Segura y Las Villas Nature Park, Free Software,
Evolution, Remote Sensing
2
1. INTRODUCCIÓN
Los incendios son un fenómeno interesante de estudiar, a pesar de su carácter
destructivo. Por un lado su estudio permitirá su prevención futura o mitigación en
caso de repetición; por el otro, son fenómenos importantes para la evolución de
ciertos ecosistemas, en los que sin la presencia del fuego, no podríamos observar
diferentes estadios de sucesión del ecosistema, ni las plantas asociadas a dicho
estado.
1.1. Localización e información de la zona de estudio
El incendio tuvo lugar el 7 de Agosto de 2005 dentro del Parque Natural de
Cazorla, Segura y Las Villas (Imagen 1.1.) debido a una tormenta eléctrica con
3 focos principales en Orcera, La Tobilla y Villanueva del Arzobispo (Costa et
al., 2006).
Imagen 1.1. Zona del incendio. En color rojizo vemos los límites del incendio. (Restauración
de zonas incendiadas en Andalucía, Manuales de Restauración nº8, n.d.). Nosotros nos
centraremos en el foco cercano al Pantano del Tranco.
3
Según el informe Restauración de zonas incendiadas en Andalucía,
Manuales de Restauración nº8 (Costa et al., 2006) el incendio tuvo una
extensión de 5889 ha, de las cuales un 99% eran públicas y un 1% privadas,
todas ellas zonas protegidas. La superficie estaba constituida básicamente por
pinares, con pequeñas zonas de encinar y matorral y pastizal.
Para la restauración se apostó por una regeneración espontánea, una
retirada de los restos del incendio para favorecer dicha regeneración y evitar
plagas, así como la realización de construcciones que laminasen las
escorrentías y retuviesen los sedimentos producidos durante las primeras
lluvias y un balizamiento y seguimiento de la flora circundante que no fue
afectada por el incendio (Costa et al., 2006).
1.2. Técnicas empleadas: teledetección y SIG
Gaspar Felix de Tournachon fue el pionero de la teledetección; en 1859
realizó las primeras fotografías aéreas a bordo de un globo aerostático
(Chuvieco, 1995). Desde entonces, las técnicas de fotogrametría y
teledetección ha evolucionado en gran medida hasta llegar a la situación actual
en la que se dispone de sensores terrestres, aerotransportados o a bordo de
satélites espaciales, capaces de registrar imágenes de la superficie terrestre en
una gran amplutud de bandas del espectro electromagnético, con una elevada
resolución espacial y con carácter multitemporal, realizando observaciones de
la misma zona cada pocos días.
Debido al auge de las tecnologías de teledetección, el control y la evolución
del territorio así como su ordenación se ha vuelto más fácil y eficaz,
permitiéndonos observar los cambios de la zona a lo largo del tiempo escogido
para este estudio. Se aplican en multitud de campos, desde estudios de la
atmósfera, la litosfera, la hidrosfera y la biosfera (Chuvieco, 1995, Pinilla, 1995)
como el caso de los incendios.
4
2. OBJETIVOS Y JUSTIFICACIÓN
2.1. Objetivos
El objetivo principal de este trabajo es el estudio de la evolución de
una zona incendiada, tanto antes como después del incendio, para valorar el
efecto del mismo.
Como objetivos secundarios, que han servido de base para alcanzar el
objetivo principal, se han establecido los siguientes: cálculo de índices
multiespectrales de propiedades específicas como la vegetación (NDVI) y la
humedad (NDHI); clasificación digital de los usos del suelo, que permite
conocer de forma más general las características de la zona; análisis
multitemporal de ambos tipos de aproximaciones para observar la evolución de
la zona incendiada (entre 2002, 3 años antes del incendio y 2011, 6 años
posteriores al incendio).
2.2. Justificación
Debido a que he cursado un Grado multidisciplinar (Ciencias Ambientales),
he considerado conveniente realizar un Trabajo de Fin de Grado que integrase
en la medida de lo posible diferentes ramas de conocimiento, por ello, opté por
un trabajo en el que se han empleado Sistemas de Información Geográfica. La
razón es que son herramientas en las que se requieren conocimientos tanto
informáticos como geográficos o físicos, y gracias a sus análisis se puede
trabajar a la hora de restaurar un ecosistema dañado, como en este caso
debido a un incendio.
La selección de la zona de estudio responde a un interés medioambiental,
ya que se encuentra dentro de un espacio protegido de gran valor ecológico y
a motivaciones personales, ya que es cercana a mi localidad de residencia. En
este sentido, espero que el trabajo realizado contribuya modestamente al
5
conocimiento del estado de la zona con el fin servir a futuras prevenciones, o
en su defecto recuperaciones del terreno ante desastres similares.
Se decidió utilizar un software libre como es QGIS debido a que es fácil de
adquirir y permite trabajar sin limitación ni coste alguno, alcanzando ya
prestaciones homologables a los softwares propietarios. En este estudio el
software libre QGIS ha permitido realizar sin dificultad todas operaciones,
dentro del amplio ámbito que se han aplicado.
3. MATERIALES
Cabe destacar que el grueso de este trabajo se realizó íntegramente con
software libre, de fácil obtención en la página web del desarrollador. El uso de otros
programas de pago para la edición de imágenes fue para asegurarnos de que
todas las imágenes tenían el tamaño deseado a la hora de insertarlas en este
documento pero su uso no es imprescindible.
3.1. Hardware
El desarrollador de las aplicaciones a usar no establece unos requisitos
mínimos, pero atendiendo a los valores usuales según Morales (2016) para
este tipo de programas:
Procesador con más de 2,7 Ghz (Intel i5 o superiores). Es posible utilizar
procesadores más pequeños, pero hay riesgo de cierres forzosos en
determinadas tareas.
2GB de Memoria RAM.
128GB de Disco Duro.
Tarjeta Gráfica dedicada de 64Mb de RAM, compatible con OpenGL y
WebGL.
Windows 7 (recomendado Windows 8 o 10), Mac o Ubuntu.
6
Pantalla de 15,6” (no es imprescindible).
3.2. Software
Para realizar el tratamiento de imágenes han sido necesarios las siguientes
herramientas:
QGIS Desktop 2.12.1: programa principal, con él se delimitaron las
parcelas de estudio, se desarrollaron las correcciones geométricas,
Índices de Vegetación y Humedad, diferencias de Índices, parcelas de
entrenamiento para la clasificación, Clasificación de Usos del Suelo,
Verificación de la Clasificación, Diferencia en Usos del Suelo.
SAGA (System for Automated Geoscientific Analyses): programa
accesorio de QGIS, con él se realizaron las correcciones radiométricas.
Adobe Photoshop CS6: para la edición del tamaño de las imágenes,
asegurándonos que cada imagen mantenía el tamaño adecuado.
Microsoft Excel 2013: programa del paquete Microsoft office, utilizado
para el manejo y edición de gráficas y tablas.
3.3. Imágenes
Para la obtención de la información necesaria para desarrollar el trabajo, se
han utilizado las siguientes herramientas:
USGS Global Visualization Viewer:
Sitio web del U. S. Department of the Interior de Estados Unidos,
mediante el que se obtuvieron las imágenes satélite.
(http://glovis.usgs.gov/).
Red de Información Ambiental de Andalucía (REDIAM):
Sitio web del que obtuvimos el perímetro del incendio mediante WMS.
(http://www.juntadeandalucia.es/medioambiente/site/rediam).
Iberpix, Ortofotos y Cartografía Raster:
7
Sitio web del Instituto Geográfico Nacional, del que obtuvimos las
imágenes georreferenciadas para la corrección geométrica.
(http://www.ign.es/iberpix2/visor/)
Sistema de Información sobre Ocupación del Suelo en España (SIOSE)
Sitio web del que obtuvimos los datos de usos del suelo
(http://www.siose.es/).
Se obtuvieron imágenes de Landsat 5 y 7 de diferentes años mediante el
USGS Global Visualization Viewer. El satélite Landsat 5 vuela a una altura de
705 km con un campo de visión de 11,56 grados que le permite obtener un
ancho de barrido de 185 km (Chuvieco, 1995). Cuenta con varios sensores
entre los que destaca el Thematic Mapper (TM), con una resolución de 30 m en
7 bandas espectrales entre el visible y el infrarrojo.
Tabla 3.1. Bandas de Landsat 7 y sus principales usos: En ella podemos ver la longitud de
onda relacionada con cada banda así como sus principales usos (GeoService Perú).
8
Landsat 7 presenta unas características similares, aunque el sensor
Enhanced Thematic Mapper (ETM+), incorpora además una imagen
pancromática de 15 m de resolución. En la siguiente tabla propiedad de
GeoService Perú (Tabla 3.1.) se puede apreciar las diferentes bandas de
Landsat 7 y su uso más común.
Las diferencias entre Landsat 5 y 7 consisten en una mejora en la calibración
de los sensores así como la adición de la banda 8 y la división de la antigua
banda 6 en 6L y 6H tomada a 60 metros (en Landsat 5 se tomaba a 120m).
(GeoService Perú, n.d.)
4. Metodología
En este apartado se han recogido los métodos utilizados (y su argumentación
teórica) para el desarrollo del trabajo así como un diagrama (Diagrama 4.1) en el
que se sintetiza el proceso llevado a cabo, a fin de una mejor comprensión del
mismo
Diagrama 4.1. Procesos dentro del trabajo. Se han dividido las diferentes partes del trabajo
por colores, para una mejor comprensión de cada una, debido a la gran cantidad de imágenes
que se han de manejar.
9
4.1. Selección de las imágenes
Para realizar el estudio, necesitábamos una serie de imágenes que
cumplieran con las siguientes características:
Ausencia de nubosidad, o al menos que la zona incendiada estuviera
libre de nubes.
Imagen sin errores o falta de píxeles
Obtener una cantidad similar de imágenes para cada estación
climatológica.
Obtener una cantidad similar de imágenes para la época de antes y
después del incendio.
Que no hubiera demasiada distancia anual entre imágenes.
Con estos requisitos, obtuvimos las siguientes imágenes:
1 de Mayo de 2002, Landsat 5, nubosidad 52%.
12 de Enero de 2003, Landsat 7, nubosidad 24%. Esta imagen presenta
una nubosidad en la zona de trabajo que finalmente ha hecho que sea
descartada.
15 de Julio de 2003, Landsat 5, nubosidad 10%.
12 de Noviembre de 2006, Landsat 5, nubosidad 0%.
16 de Febrero de 2007, Landsat 5, nubosidad 0%.
7 de Mayo de 2007, Landsat 5, nubosidad 0%.
3 de Agosto de 2010, Landsat 5, nubosidad 4%.
7 de Septiembre de 2011, Landsat 5, nubosidad 0%.
4.2. Correcciones de imagen
4.2.1. Corrección radiométrica
Chuvieco (1995), expuso que la radiación electromagnética que
reciben los satélites encargados de la obtención de imágenes “se ve
notablemente afectada por los distintos componentes de la atmósfera”.
10
Para ello, utilizaremos el método de corrección Dark Object Substraction
Object (DOS), que fue comprobado por Brizuela (2007) como eficaz ya
que “producen datos corregidos homogéneos”. Con este método se
consiguen dos objetivos: la conversión de los ND a parámetros físicos
(Pinilla, 1995), en este caso a reflectancia o porcentaje del flujo incidente
sobre la superficie que es reflejado; y la propia corrección, restando el
valor mínimo de reflectancia que tienen los objetos oscuros (aguas
profundas y limpias, sombras acusadas), que debía ser 0, al resto de los
valores de las distintas cubiertas. Dentro de este método hay varias
modalidades (DOS1, DOS2, DOS3, DOS4). Utilizaremos el más sencillo
(DOS1) en el que se supone según Moran et al. (1992) que tanto la
transmitancia en la dirección de visualización como la transmitancia en
la dirección de iluminación tienen valores de 1, y la irradiancia
descendente difusa tiene un valor de 0.
Este método se aplicó mediante el software SAGA (forma parte del
paquete informático de QGIS).
4.2.2. Corrección geométrica
Con este método, se intentaron minimizar los errores de posición que
se hubieran podido producir en la captación de las imágenes, debido a
la influencia fundamentalmente del relieve, ya que otros efectos vienen
corregidos de origen. Para ello, se utilizaron imágenes de Iberpix en las
que se marcaron puntos de referencia geográficos que luego se
traspasaron a las demás imágenes. El sistema de referencia empleado
es WGS84 con proyección UTM30 (EPSG 32630).
4.3. Imágenes a color
Para conseguir una visualización de la zona antes de la aplicación de las
diferentes técnicas que se tratarán después, se obtuvieron imágenes a color de
Julio de 2003 y Agosto de 2010. Utilizando las bandas del rango visible (bandas
3, 2 y 1).
11
4.4. Imágenes en falso color
Para obtener una imagen en la que la cobertura vegetal apareciera
resaltada, se compusieron imágenes a falso color (bandas 5, 4 y 3) para Julio
de 2003 y Agosto de 2010.
4.5. Cálculo de índices
4.5.1. Índice de vegetación: NDVI
El uso de este índice consiste en “(i) mejorar la discriminación entre
suelos y vegetación y (ii) para reducir el efecto del relieve (pendiente y
orientación) en la caracterización espectral de distintas cubiertas”
(Chuvieco, 1995; Pinilla, 1995).
El “Índice de Vegetación de diferencia normalizada (NDVI,
Normalized Difference Vegetation Index)” ( Chuvieco, 1995) relaciona la
banda roja (3) con la banda de infrarrojo cercano (4) :
𝑁𝐷𝑉𝐼 =𝐵𝑎𝑛𝑑𝑎 4 − 𝐵𝑎𝑛𝑑𝑎 3
𝐵𝑎𝑛𝑑𝑎 4 + 𝐵𝑎𝑛𝑑𝑎 3
Varía entre -1 y 1, y se basa en la idea de que “la vegetación sana
ofrece baja reflectividad en la banda roja del espectro y alta en el
infrarrojo cercano (…); cuanto mayor sea el contraste entre los ND de la
banda infrarroja y roja, mayor vigor vegetal presentará la cubierta
observada” (Chuvieco, 1995).
Para su aplicación se hizo uso de la herramienta Índice de Vegetación
Normalizada, dentro del apartado Geoalgoritmos de QGIS.
12
4.5.2. Índice de humedad: NDHI
Con este índice se pretende contrastar la banda de infrarrojo cercano
(4) que es sensible a la reflectancia del contenido en clorofila de las hojas
con la banda de infrarrojo mediano (5), debido a que esta última tiene
alta sensibilidad ante la absorbancia de la humedad de la hoja.
𝑁𝐷𝐻𝐼 =𝐵𝑎𝑛𝑑𝑎 4 − 𝐵𝑎𝑛𝑑𝑎 5
𝐵𝑎𝑛𝑑𝑎 4 + 𝐵𝑎𝑛𝑑𝑎 5
Para su aplicación se hizo uso de la herramienta Índice de Vegetación
Normalizada, dentro del apartado Geoalgoritmos de QGIS, cambiando
la introducción de la banda 3 por la banda 5.
4.6. Clasificación digital
El objetivo de este método es la obtención de mapas de usos del suelo,
mediante una Clasificación semiautomática. Se decidió realizar la clasificación
para las imágenes de verano (Julio de 2003 y Agosto de 2010) por dos factores;
el primero consistía en que se tuvieran como base imágenes de fechas anuales
cercanas al evento mientras que el segundo se debió a la claridad de la
diferenciación de zonas quemadas (degradadas) y no degradadas dentro del
análisis de Diferenciación de Índices que se comentará posteriormente
(apartado 4.5. Análisis Multitemporal). Se ha de tener en cuenta que las
imágenes de verano son las que sufren una mayor iluminación solar y las
menos afectadas por las sombras; en consecuencia son las más indicadas para
hacer clasificaciones multiespectrales que se basan en la distinta repuesta de
las diferentes cubiertas ante la radiación incidente.
El tipo de clasificación elegida, Clasificación Semiautomática, se debe a que
combina las ventajas de una Clasificación supervisada (que requiere un
conocimiento previo de la zona y su vegetación) y una Clasificación no
13
supervisada (basada en las características espectrales de la zona) (Chuvieco,
1995; Pinilla, 1995).
4.6.1. Fase de entrenamiento
En esta fase de la clasificación, se delimitan zonas de la imagen,
denominadas Parcelas de Entrenamiento; esto son, polígonos dibujados
sobre una capa vectorial en los que se ubican las diferentes coberturas
del suelo que se quieren analizar. Para este fin, los polígonos se
Extrajeron de la base de datos del SIOSE, concretamente los Mapas de
Usos del Suelo y Coberturas Vegetales a escala 1:10000 de 2005 y
2011, siendo estos los más cercanos en fecha a las dos imágenes a
clasificar.
Una vez obtenidas las parcelas, se definieron diferentes clases tales
como:
Agrícola/ganadero
Población (discontinuo)
Agua (Embalses)
Matorral denso (con subclases matorral, matorral y coníferas,
matorral y quercíneas, matorral junto con coníferas y quercíneas,
matorral y pastizal).
Matorral disperso (con subclases matorral, matorral y coníferas,
matorral y quercíneas, matorral junto con coníferas y quercíneas,
matorral y pastizal, matorral y suelo).
Pastizal denso (con subclases pastizal, pastizal y coníferas, pastizal
y quercíneas, pastizal junto con coníferas y quercíneas, pastizal y
suelo, pastizal contínuo).
Pastizal disperso (con subclases pastizal, pastizal y coníferas,
pastizal y quercíneas, pastizal junto con coníferas y quercíneas,
pastizal y suelo).
Cultivos herbáceos distintos de arroz
Cultivos leñosos
14
Olivar
Frutales de cáscara
Coníferas
Quercíneas (con subclases Qercíneas, Quercíneas+Coníferas)
Mosaico
Suelo desnudo
4.6.2. Análisis de separabilidad
Para determinar si hacía falta unir alguna de las categorías vistas en
el apartado anterior, se recurrió a utilizar una herramienta dentro del
plugin de Clasificación Semiautomática de QGIS mediante la que
obtuvimos la distancia de Jeffries-Matusita entre las diferentes
categorías, uno de los métodos cuantitativos del análisis de
separabilidad espectral.
Las diferentes distancias se recopilaron en 2 matrices, la primera (Tabla
4.2, Anexo XV) corresponde con las categorías para la clasificación de
Julio de 2003, mientras que la segunda (Anexo XV) corresponde con las
propias para la clasificación de Agosto de 2010.
Tabla 4.2. Matriz de distancias de Jeffries-Matusita para Julio de 2003. Los valores en rojo
corresponden con categorías que en una clasificación se distinguen con dificultad.
Agrícola Herbáceo Herbáceo no arr.Población Agua Coníferas Quercíneas Frutales cásc. Matorral Olivar Cultivos leñ. Pastizal Suelo Mosaico
Agrícola 2 2 1,93 2 2 1,996 1,512 1,97 1,32 1,69 1,997 1,999 1,919
Herbáceo 2 1,998 2 2 2 2 2 2 2 2 2 2 2
Herbáceo no arr. 2 1,998 2 2 2 2 2 1,985 2 2 1,999 1,998 1,99
Población 1,93 2 2 2 2 2 1,878 1,997 1,922 1,99 2 1,999 1,985
Agua 2 2 2 2 2 2 2 2 2 2 2 2 2
Coníferas 2 2 2 2 2 1,259 2 1,928 1,992 2 1,92 2 1,98
Quercíneas 1,996 2 2 2 2 1,259 1,994 1,789 1,94 1,956 1,886 1,992 1,952
Frutales cásc. 1,512 2 2 1,878 2 2 1,994 1,916 1,257 1,877 1,979 1,999 1,755
Matorral 1,97 2 1,985 1,997 2 1,928 1,789 1,916 1,738 1,753 0,993 1,337 1,828
Olivar 1,32 2 2 1,922 2 1,992 1,94 1,257 1,738 1,353 1,87 1,99 1,727
Cultivos leñ. 1,69 2 2 1,99 2 2 1,956 1,877 1,753 1,353 1,853 1,981 1,955
Pastizal 1,997 2 1,999 2 2 1,92 1,886 1,979 0,993 1,87 1,853 1,644 1,9
Suelo 1,999 2 1,998 1,999 2 2 1,992 1,999 1,337 1,99 1,981 1,644 1,999
Mosaico 1,919 2 1,99 1,985 2 1,98 1,952 1,755 1,828 1,727 1,955 1,9 1,999
15
4.6.3. Fase de asignación
Tras analizar ambas matrices, se decidieron combinar categorías que
no se podrían diferenciar, quedando las clasificaciones con las
siguientes:
Agrícolas y cultivos leñosos
Agua
Población
Bosque (coníferas y quercíneas)
Matorral, pastizal y otros (incluye Frutales de Cáscara y Mosaico)
Cultivos herbáceos
Olivar
Suelo Desnudo
4.6.4. Verificación: Matriz de confusión
Para comprobar que la clasificación se desarrolló correctamente, se
procedió a realizar una matriz de confusión mediante el mismo plugin
dentro de QGIS. Para ello, se identificaron nuevas parcelas de las clases
definidas, distintas de las obtenidas para la clasificación.
4.7. Análisis multitemporal
4.7.1. Diferencias entre índices
Con el fin de obtener imágenes que representasen la diferencia entre
las distintas imágenes, se utilizó la calculadora raster, restándole a la
imagen más actual, la imagen anterior.
16
4.7.2. Comparación de clasificaciones
Mediante el plugin de Clasificación Semiautomática de QGIS, se
realizó una comparación entre los dos mapas de usos del suelo
obtenidos anteriormente.
5. RESULTADOS
5.1. Imágenes a color
A continuación se muestran las imágenes a color para Julio de 2003
(Imagen 5.1.) y para Agosto de 2010 (Imagen 5.2.)
Imágenes 5.1. y 5.2. Julio de 2003 (izquierda) y Agosto de 2010 (derecha) en color real:
Se puede apreciar la diferencia en la zona del incendio entre ambas imágenes.
17
5.2. Imágenes en falso color
A continuación se muestran las imágenes en falso color para Julio de 2003
(Imagen 5.3.) y para Agosto de 2010 (Imagen 5.4.)
Imágenes 5.3. y 5.4. Julio de 2003 (izquierda) y Agosto de 2010 (derecha) en falso color:
El falso color nos permite apreciar con mejor claridad las coberturas vegetales. En la zona del
incendio se aprecia un cambio considerable.
5.3. Cálculo de índices
5.3.1. Índice NDVI
A continuación se muestra la imagen correspondiente a Noviembre
de 2006 (Imagen 5.5., Anexo I), imagen más antigua después del
incendio. Se distinguen bien las zonas con una mayor cobertera vegetal
en verano (bosques de las sierras), de otras zonas (suelo, olivar, etc.).
El resto de imágenes se encuentran en los Anexos I-III-V-VII-IX-XI-XIII.
18
Imagen 5.5. NDVI Noviembre de 2006. El incendio es apreciable en la imagen ya que sus
valores de vegetación son negativos (color rojo).
5.3.2. Índice NDHI
A continuación se muestra la imagen correspondiente a Noviembre
de 2006 (Imagen 5.6.), imagen más antigua después del incendio. El
resto de imágenes se encuentran en los Anexos II-IV-VI-VIII-X-XII-XIV.
Imagen 5.6. NDHI Noviembre
de 2006. El incendio ha
ocasionado una degradación
en los niveles de humedad de
la zona colindante al Pantano
del Tranco.
19
5.4. Clasificación y Verificación
5.4.1. Clasificación
Tras aplicar el método de clasificación visto anteriormente, obtuvimos
2 imágenes, correspondientes a Julio de 2003 (Imagen 5.7.) y Agosto de
2010 (Imagen 5.8.).
Imagen 5.7. Usos del Suelo en Julio de 2003.
20
Imagen 5.8. Usos del suelo en Agosto de 2010.
5.4.2. Verificación
La matriz de confusión de Julio de 2003 (Anexo XVI) nos indica el
grado de exactitud de interpretación de esta imagen, siendo este de un
61,74%. Se discutirá acerca de este valor en el siguiente capítulo.
Para la clasificación de Agosto de 2010 (Imagen 5.8. y Anexo XVII)
obtuvimos un valor de 81%. Su matriz se encuentra en el Anexo XVII.
21
5.5. Análisis multitemporal
Para este análisis, utilizaremos datos climatológicos cedidos por el tutor
Tomás Fernández (Anexo XVIII).
5.5.1. Diferencias entre índices
Antes del incendio vs Después
Diferencia de imágenes correspondientes a Julio de 2003 y
Noviembre de 2006. La diferencia de imágenes NDVI (Imagen 5.9,
Anexo I) y la diferencia de imágenes NDHI (Imagen 5.10, Anexo II) nos
permiten apreciar la evolución de la zona antes y después del suceso.
Imágenes 5.9. y 5.10. Imágenes NDVI (izquierda) y NDHI (derecha) de la Diferencia antes y
después del incendio. Se aprecia en rojo la zona de cambio negativo en ambos índices, que
coincide con el área incendiada.
22
Análisis interestacional
Conjunto de imágenes que representan la evolución de la zona en
diferentes años. Así, se puede observar el cambio en un año posterior al
incendio entre 2006 y 2007 (Anexo III para NDVI y Anexo IV para NDHI).
El análisis previo al incendio entre 2002 y 2003 se descartó, ya que la
imagen de enero de 2003 no pudo ser utilizada por la alta cobertera
nubosa.
Análisis interanual
Conjunto de imágenes que representan la evolución de la zona en
diferentes estaciones entre diferentes años a lo largo del periodo de
estudio. Podemos observar la diferencia de primaveras (Anexo IX para
NDVI y Anexo X para NDHI), veranos (Imagen 5.11 y Anexo XI para
NDVI, Imagen 5.12 y Anexo XII para NDHI) e inviernos (Anexo XIII para
NDVI y Anexo XIV para NDHI). Además se incluye la diferencia entre
2007 a 2010 (Anexo V para NDVI y Anexo VI para NDHI) y de 2010 a
2011 (Anexo VII para NDVI y Anexo VIII para NDHI).
Imágenes 5.11 y 5.12. Podemos apreciar tanto por NDVI (izquierda) como por NDHI (derecha) el
cambio negativo de la zona del incendio. Toda la zona montañosa en general presenta una
degradación, aunque menos importante que la degradación producida por el fuego.
23
5.5.2. Comparación de clasificaciones
A continuación, podemos observar los resultados de las
clasificaciones enfrentados en forma de tabla (Tabla 5.13).
Tabla 5.13. Usos del suelo en las clasificaciones. Los valores de la izquierda corresponden
con la clasificación de Julio de 2003 (Imagen 4.5). Los valores de la derecha corresponden con
la clasificación de Agosto de 2010 (Imagen 4.6). Están ordenados de mayor a menor, para
apreciar el cambio entre los diferentes años.
Para terminar con el apartado de resultados, se ha calculado una
tabla de cambios en el uso del suelo, mostrada aquí modificada para su
mejor interpretación (Tabla 5.14.).
En las tablas se observan algunos cambios llamativos poco
probables, como el paso de cultivos herbáceos matorral o de población
que se han convertido en olivar y cultivos. Como se discutirá en el
apartado de discusión estos cambios se deben probablemente más a
problemas en la clasificación que a cambios reales del uso del suelo.
Class PixelSum Percentage % Area (Ha) Class PixelSum Percentage % Area (Ha)
Matorral y otros 1000280 36,301 90032 Matorral y otros 1032412 36,731 92234
Bosque 634179 23,015 57080 Bosque 737666 26,245 65902
Olivar 401893 14,585 36173 C.herbáceos 359727 12,798 32137
Suelo 309867 11,245 27890 Olivar 250493 8,912 22379
Agrícola y leñosas 150001 5,444 13501 Agrícola y leñosas 214783 7,642 19188
C.herbáceos 147879 5,367 13310 Suelo 183432 6,526 16388
Población 93549 3,395 8420 Agua 17934 0,638 1602
Agua 17906 0,650 1612 Población 14293 0,509 1277
Área total 248018,845 Área total 251107
24
Tabla 5.14. Cambios en el uso del suelo. Categorías y número de pixeles que han cambiado
al comparar la clasificación de Julio de 2003 (Imagen 5.7.) y Agosto de 2010 (Imagen 5.8,
Anexo).
ChangeCode ReferenceClass NewClass PixelSum
1 Cultivos herbáceos Agrícola y leñosas 4243
2 Cultivos herbáceos Cultivos herbáceos 101099
3 Cultivos herbáceos Población 235
4 Cultivos herbáceos Agua 0
5 Cultivos herbáceos Bosque 416
6 Cultivos herbáceos Olivar 4678
7 Cultivos herbáceos Suelo 7560
8 Cultivos herbáceos Matorral y otros 29640
9 Población Agrícola y leñosas 3957
10 Población Cultivos herbáceos 50204
11 Población Población 1629
12 Población Agua 127
13 Población Bosque 971
14 Población Olivar 22878
15 Población Suelo 1625
16 Población Matorral y otros 11789
17 Agua Agrícola y leñosas 72
18 Agua Cultivos herbáceos 1734
19 Agua Población 1
20 Agua Agua 12951
21 Agua Bosque 1191
22 Agua Olivar 30
23 Agua Suelo 46
24 Agua Matorral y otros 1881
25 Bosque Agrícola y leñosas 25560
26 Bosque Suelo 15430
27 Bosque Población 2250
28 Bosque Agua 1653
29 Bosque Bosque 436272
30 Bosque Olivar 1033
31 Bosque Suelo 9795
32 Bosque Matorral y otros 142179
33 Olivar Agrícola y leñosas 59843
34 Olivar Cultivos herbáceos 68810
35 Olivar Población 3140
36 Olivar Agua 268
37 Olivar Bosque 23630
38 Olivar Olivar 177655
39 Olivar Suelo 7205
40 Olivar Matorral y otros 61319
41 Agrícola y leñosas Agrícola y leñosas 50184
42 Agrícola y leñosas Cultivos herbáceos 16955
43 Agrícola y leñosas Población 1348
44 Agrícola y leñosas Agua 27
ChangeCode ReferenceClass NewClass PixelSum
45 Agrícola y leñosas Bosque 7684
46 Agrícola y leñosas Olivar 20254
47 Agrícola y leñosas Suelo 5972
48 Agrícola y leñosas Matorral y otros 47571
49 Matorral y otros Agrícola y leñosas 63166
50 Matorral y otros Cultivos herbáceos 85762
51 Matorral y otros Población 4325
52 Matorral y otros Agua 1533
53 Matorral y otros Bosque 213893
54 Matorral y otros Olivar 21646
55 Matorral y otros Suelo 89730
56 Matorral y otros Matorral y otros 516012
57 Suelo Agrícola y leñosas 7588
58 Suelo Cultivos herbáceos 18511
59 Suelo Población 1332
60 Suelo Agua 1375
61 Suelo Bosque 53609
62 Suelo Olivar 839
63 Suelo Suelo 61406
64 Suelo Matorral y otros 165207
25
6. DISCUSIÓN
6.1. Clasificación y Verificación
A partir de las imágenes de Usos del Suelo en Julio de 2003 (Imagen 5.7) y
Usos del Suelo en Agosto de 2010 (Imagen 5.8), y los datos de las tablas 513
y 5.14, se observa un aumento significativo de superficies de bosque, así como
de terrenos agrícolas y cultivos leñosos, pero especialmente de los cultivos
herbáceos; por su parte, se produce un descenso significativo del olivar, las
zonas con población y el suelo desnudo, y una cierta estabilidad en las zonas
cubiertas por matorral y las correspondientes a agua.
El aumento general de la superficie de bosque o monte alto, especialmente
a costa de matorral en la zona forestal del parque natural, puede interpretarse
como el resultado de un año húmedo (2009/10) o por una cierta mejora de la
masa forestal, lo cual está en consonancia con otros cambios observados en
la tabla 5.14, como el paso de suelo, olivar o zonas agrícolas a matorral, por
crecimiento de este en estas zonas.
Sin embargo, otros cambios, como los traspasos de olivar a terrenos
agrícolas o cultivos herbáceos, se deben más bien a problemas de
clasificación, como queda reflejado en el análisis de separabilidad y la matriz
de confusión que se discutirá a continuación. Por último, hay algunos cambios
relacionados con el crecimiento de zonas herbáceas, de olivar e incluso de
matorral a partir de zonas urbanizadas (población), que no quedan explicadas
por estos análisis, pero que evidentemente responden a un exceso de zonas
asignadas a población en la clasificación de 2003. En cualquier caso no son
relevantes para el análisis de la zona afectada por el incendio.
Centrando el análisis en esta zona, se observa una disminución de la zona
cubierta por bosque en contra la tendencia general de aumento de la zona de
bosque antes descrita y relacionada con el régimen húmedo del año 2010. Sin
embargo, la zona de pastizal-matorral o monte bajo parece aumentar en esta
26
zona, lo que indica una cierta recuperación de la cubierta vegetal,
probablemente en consonancia también con el régimen de lluvias del año 2010.
No obstante, también aparecen zonas de suelo desnudo en la zona central del
incendio donde no se había producido recuperación positiva aún en 2010. Este
estado no tiene porqué deberse a la acción directa del fuego, sino a otros
factores tales como erosión post-incendio debido a la ausencia de vegetación
que dote de estabilidad al suelo, rotura de capas superficiales por la lluvia y
posterior erosión (Joma et al., 2010) incrementando a la vez el efecto negativo
la pendiente de esta zona montañosa.
El valor del porcentaje de acuerdo de la matriz de confusión (verificación) de
Julio de 2003 (Anexo X), arrojaba un valor de 61,74%, que se trata de un valor
algo deficiente para una clasificación. Se produce una confusión entre cultivos
herbáceos, zonas agrícolas, olivar e incluso matorral-pastizal. Salvo el olivar,
que presentaba bajos valores del coeficiente de Jeffries-Matusita con otras
cubiertas y que, a pesar de ello, se mantuvo como clase independiente debido
a su importancia en toda la provincia de Jaén, el resto parecía no presentar
problemas de separabilidad. La confusión puede ser debida a la
heterogeneidad de las parcelas empleadas para el entrenamiento y la
verificación, procedentes de los mapas de uso del suelo en clases que puedan
presentar una cierta similaridad como las mencionadas.
Sabemos que la influencia del hombre y el abandono de zonas de cultivo
crean paisajes más homogéneos que reducen la biodiversidad (Van Andel,
Aronson, 2006). Esto es de especial importancia, ya que a medida que pasan
los años obtenemos imágenes de zonas cada vez más homogéneas, que nos
permiten hacer una correcta clasificación pero indican una caída de
biodiversidad. La imagen base para hacer la clasificación de Julio de 2003
(Imagen 4.5) podría ser demasiado heterogénea como para definir clases
concretas de matorral, pastizal y bosque, el error en la detección del suelo
desnudo o unas condiciones climáticas que aunque buenas, no permitan una
correcta clasificación, así como un posible error instrumental al realizar la
clasificación, son factores a tener en cuenta. El valor obtenido en la matriz de
confusión de Agosto de 2010 (Anexo X) es un valor correcto.
27
6.2. Análisis multitemporal
Las imágenes de índices NDVI y NDHI de cada año (Anexo X, Anexo X….)
muestran claramente las zonas en las que hay poca vegetación o en la que hay
un bajo contenido en humedad (zonas rojas). La zona del incendio se ha
mantenido con niveles bajos en todas las imágenes.
Comenzando por las imágenes comparativas de los índices del epígrafe
Antes del incendio vs Después, se aprecian los efectos negativos del incendio,
coincidiendo con el área delimitada por la Junta de Andalucía (REDIAM 2005).
No obstante, la comparación de estas imágenes además de interanual (antes y
después del incendio, entre 2003 y 2006) es interestacional (entre verano y
otoño). Esta diferencia se refleja en un mayor del NDVI y del NDHI que informa
sobre un mayor vigor general de la vegetación, excepto en la zona del incendio,
donde se produce pérdida de vegetación boscosa y de matorral. En algunas
otras zona, en las que se aprecia un control topográfico, la disminución del
NDVI se debe sobre todo al efecto de las sombras, que impide tener una alta
reflectancia en el infrarrojo próximo y medio (de ahí que el NDVI presente
valores relativamente bajos, pero el NHDI no tanto).
Las imágenes de 2006-2007 (Anexos III y IV) muestran una comparativa
interestacional, ya que pertenecen al mismo año hidrológico. En ellas se
aprecian cambios positivos en la vegetación, tras un periodo de lluvias de
otoño-invierno y principio de la primavera en torno a los valores medios, incluida
la zona del incendio y las zonas afectadas por las sombras en la imagen de
otoño. En la humedad se observan menos cambios también es cierto que estas
imágenes has cambiado la escala de color), ya que se partía de una situación
de una cierta humedad en otoño que se mantiene hasta la primavera en un
régimen de lluvias, que probablemente se emplea más en rellenar en el
embalse, como se aprecia, y también los acuíferos.
Las imágenes de 2007 y 2010 (Anexo V y VI) corresponden con una
comparación interanual y estacional. Priman más los efectos interestacionales,
ya que en general desciendo el NDVI entre la primavera y el verano,
28
especialmente en las zonas con cultivos, y sin cambios en la zona del incendio,
ya que se trata de una zona con poca vegetación de partida. En el NDHI se
observan mayores cambios, con zonas donde aumenta el índice (zonas de
sierra con mayor humedad, debido a que 2010 fue un año de abundantes
lluvias) y zonas donde disminuye (en matorral y cultivos).
Las imágenes de 2010-2011 (Anexos VII y VIII) muestran una comparativa
más bien interanual y ligeramente estacional. Puesto que los años hidrológicos
previos (2009/10 y 2010/11) fueron años húmedos, apenas se observan
cambios en los índices, tan solo un ligero aumento de la humedad en las zonas
boscosas, y sin cambios apreciables en la zona del incendio.
Más interesantes son las comparaciones interanuales entre las mismas
estaciones de distintos años, donde se elimina el efecto interestacional y se
comparan situaciones previas y posteriores a los incendios. Así, entre las
imágenes de primavera (Anexos IX y X) con 5 años de diferencia (2002-2007),
se aprecian pocas variaciones en la parte central de la imagen (zona del
parque), concentrándose las mismas en las zonas de cultivos, donde aumenta
el NDVI, mientras el NDHI tienen un comportamiento más variable con cambios
casi a nivel de parcela. Sin embargo, el gran cambio se aprecia en la zona del
incendio con una disminución drástica de ambos índices.
Entre las imágenes de verano (Imagen 5.11. y Anexo XI para la comparativa
de NDVI; Imagen 5.12. y Anexo XII para comparativa de NDHI) hay 7 años de
diferencia (2003-2010). Como sucede en el caso anterior, apenas hay
variaciones en la mayor parte de la imagen (aún menos que antes como
corresponde a imágenes de verano, donde más estables son las cubiertas),
excepto en la zona del incendio, donde ambos índices experimentan un
descenso drástico como consecuencia del incendio.
Por último la comparativa entre inviernos no se pudo llevar a cabo con éxito,
ya que la imagen contiene nubes que impiden la correcta visualización en una
de las imágenes (la de febrero de 2003), como se muestra en los Anexos XIII y
XIV.
29
7. CONCLUSIÓN
El empleo de imágenes de satélite ha permitido identificar de forma clara el
incendio del 7 de Agosto de 2005, que afecto a una zona del Parque Natural de
Cazorla, Segura y Las Villas. A partir de la comparación de las clasificaciones de
dos imágenes una previa y otra posterior al incendio, se observa que en contra de
la tendencia general de la zona a un aumento de la superficie clasificada como
bosque a partir de matorral, en la zona del incendio, se produce una regresión con
pérdida de bosque y aumento de la zona con matorral (la imagen posterior es de
6 después del incendio y hay una cierta recuperación) y de suelo desnudo. Además
de estos cambios, se observan otros como el aumento de la zona de pastizal-
matorral a costa de cultivos de distinto tipo, así como otros trasvases entre cultivos
y población, que se deben más bien a problemas de clasificación.
El cálculo de índices corrobora lo dicho, sobre todo cuando se hacen
comparaciones interanuales (antes y después del incendio) entre imágenes de la
misma estación. En ellas, una vez eliminados los efectos estacionales de la
vegetación y la humedad, se identifica de forma muy nítida la zona incendiada, en
la que disminuyen drásticamente los valores de los índices de vegetación (NDVI)
y humedad (NHDI). Otras comparaciones interestacionales permiten detectar
cambios interesantes en el estado de la vegetación y la humedad, pero
enmascaran los efectos del incendio.
Se comprueba que la utilización de los SIG y la teledetección resultan
interesantes en este tipo de estudios, no sólo a nivel de evaluación de los efectos,
sino también a nivel de prevención, estimando el estado de la vegetación y la
humedad del suelo, en tiempo real, así como en estudios de mayor detalle
identificando cubiertas que puedan actuar como combustible. La mejora de
resolución de los sensores contribuirá a la utilidad de estos estudios.
La zona quemada se encuentra en un estadio de sucesión secundaria debido
a la proliferación de matorral donde antes había una comunidad de pinos y encinas,
siendo la restauración adecuada desde un punto de vista ecológico, ya que aunque
un incendio supone una pérdida de biodiversidad y hábitats de los animales de la
30
zona, posibilita el surgimiento de nuevas plantas que serán nichos de otros
animales y a su vez precursoras de otras especies mejor adaptadas o las mismas
que habitaban allí antes del evento, aumentando los valores de biodiversidad
durante ese periodo, es por esto que una rápida actuación y unas buenas medidas
de mitigación que minimicen las pérdidas de suelo son esenciales para ayudar a
dicho ecosistema a recuperarse y evitar una degradación importante.
31
ANEXO I
NDVI Julio de 2003 (izquierda), NDVI Noviembre de 2006 (derecha),
Diferencia de ambos (Antes vs Después del incendio) (abajo).
32
Anexo II
NDHI Julio de 2003 (izquierda), NDHI Noviembre de 2006 (derecha),
Diferencia de ambos (Antes vs Después del incendio) (centro).
33
Anexo III
NDVI Noviembre de 2006 (izquierda), NDVI Mayo de 2007 (derecha),
Diferencia NDVI 2006-2007 (abajo).
34
Anexo IV
NDHI Noviembre de 2006 (izquierda), NDHI Mayo de 2007 (derecha),
Diferencia NDHI 2006-2007 (abajo).
35
Anexo V
NDVI Mayo de 2007 (izquierda), NDVI Agosto de 2010 (derecha),
Diferencia NDVI 2007-2010 (abajo).
36
Anexo VI
NDHI Mayo de 2007 (izquierda), NDHI Agosto de 2010 (derecha),
Diferencia NDHI 2007-2010 (abajo).
37
Anexo VII
NDVI Agosto de 2010 (izquierda), NDVI Septiembre de 2011 (derecha),
Diferencia NDVI 2010-2011 (abajo).
38
Anexo VIII
NDHI Agosto de 2010 (izquierda), NDHI Septiembre de 2011 (derecha),
Diferencia NDHI 2010-2011 (abajo).
39
Anexo IX
NDVI Mayo de 2002 (izquierda), NDVI Mayo de 2007 (derecha),
Diferencia NDVI de Primaveras (abajo).
40
Anexo X
NDHI Mayo de 2002 (izquierda), NDHI Mayo de 2007 (derecha),
Diferencia NDHI de Primaveras (abajo).
41
Anexo XI
NDVI Julio de 2003 (izquierda), NDVI Agosto de 2010 (derecha),
Diferencia NDVI de Veranos (abajo).
42
Anexo XII
NDHI Julio de 2003 (izquierda), NDHI Agosto de 2010 (derecha),
Diferencia NDHI de Veranos (abajo).
43
Anexo XIII
NDVI Enero de 2003 (izquierda), NDVI Febrero de 2007 (derecha),
Diferencia NDVI de Inviernos (abajo).
44
Anexo XIV
NDHI Enero de 2003 (izquierda), NDHI Febrero de 2007 (derecha),
Diferencia NDHI de Inviernos (abajo).
45
Anexo XV
Matriz de distancias de Jeffries-Matusita para Julio de 2003 (arriba), matriz de distancias de Jeffries-Matusita para
Agosto de 2010 (abajo).
Agrícola Herbáceo Herbáceo no arr.Población Agua Coníferas Quercíneas Frutales cásc. Matorral Olivar Cultivos leñ. Pastizal Suelo Mosaico
Agrícola 2 2 1,93 2 2 1,996 1,512 1,97 1,32 1,69 1,997 1,999 1,919
Herbáceo 2 1,998 2 2 2 2 2 2 2 2 2 2 2
Herbáceo no arr. 2 1,998 2 2 2 2 2 1,985 2 2 1,999 1,998 1,99
Población 1,93 2 2 2 2 2 1,878 1,997 1,922 1,99 2 1,999 1,985
Agua 2 2 2 2 2 2 2 2 2 2 2 2 2
Coníferas 2 2 2 2 2 1,259 2 1,928 1,992 2 1,92 2 1,98
Quercíneas 1,996 2 2 2 2 1,259 1,994 1,789 1,94 1,956 1,886 1,992 1,952
Frutales cásc. 1,512 2 2 1,878 2 2 1,994 1,916 1,257 1,877 1,979 1,999 1,755
Matorral 1,97 2 1,985 1,997 2 1,928 1,789 1,916 1,738 1,753 0,993 1,337 1,828
Olivar 1,32 2 2 1,922 2 1,992 1,94 1,257 1,738 1,353 1,87 1,99 1,727
Cultivos leñ. 1,69 2 2 1,99 2 2 1,956 1,877 1,753 1,353 1,853 1,981 1,955
Pastizal 1,997 2 1,999 2 2 1,92 1,886 1,979 0,993 1,87 1,853 1,644 1,9
Suelo 1,999 2 1,998 1,999 2 2 1,992 1,999 1,337 1,99 1,981 1,644 1,999
Mosaico 1,919 2 1,99 1,985 2 1,98 1,952 1,755 1,828 1,727 1,955 1,9 1,999
Agrícola Cultivo herb. Herbáceo Población Embalses Coníferas Quercíneas Frutales Matorral Olivar Cultivos leñ. Pastizal Suelo Mosaico
Agrícola 1,774 1,995 1,965 2 1,917 1,977 1,878 1,736 1,896 0,935 1,605 1,985 1,656
Cultivo herbác. 1,774 1,989 1,919 2 1,736 1,751 1,955 1,738 1,916 1,806 1,84 1,953 1,677
Herbáceo no arr. 1,995 1,989 1,999 2 1,999 1,999 1,72 1,959 1,997 1,962 1,913 1,931 1,978
Población 1,965 1,919 1,999 2 1,997 2 1,983 1,936 1,883 1,934 1,955 1,992 1,964
Embalses 2 2 2 2 2 2 2 2 2 2 2 2 2
Coníferas 1,917 1,736 1,999 1,997 2 1,105 1,959 1,297 1,994 1,896 1,659 1,999 1,317
Quercíneas 1,977 1,751 1,999 2 2 1,105 1,998 1,843 1,999 1,987 1,957 2 1,77
Frutales 1,878 1,955 1,72 1,983 2 1,959 1,998 1,663 1,926 1,666 1,479 1,832 1,818
Matorral 1,736 1,738 1,959 1,936 2 1,297 1,843 1,663 1,956 1,567 0,35 1,68 1,066
Olivar 1,896 1,916 1,997 1,883 2 1,994 1,999 1,926 1,956 1,936 1,944 1,972 1,945
Cultivos leños. 0,935 1,806 1,962 1,934 2 1,896 1,987 1,666 1,567 1,936 1,353 1,954 1,619
Pastizal 1,605 1,84 1,913 1,955 2 1,659 1,957 1,479 0,35 1,944 1,353 1,362 1,378
Suelo 1,985 1,953 1,931 1,992 2 1,999 2 1,832 1,68 1,972 1,954 1,362 1,942
Mosaico 1,656 1,677 1,978 1,964 2 1,317 1,77 1,818 1,066 1,945 1,619 1,378 1,942
46
Anexo XVI
Matriz de verificación para la Clasificación de Julio de 2003
ERROR MATRIX
> Reference
Classification Cultivos herb. Población Agua Bosque Olivar Agrícola y leñosas Matorral y otros Suelo Total
Cultivos herb. 57 0 0 0 0 4 1 0 62
Población 14 13 0 0 1 1 2 0 31
Agua 0 0 166 0 0 0 0 0 166
Bosque 0 0 0 73 0 1 54 0 128
Olivar 1 1 0 0 54 73 2 0 131
Agrícola y leñosas 15 4 0 0 22 42 0 0 83
Matorral y otros 10 0 0 7 4 15 92 1 129
Suelo 0 0 0 0 0 1 82 13 96
Total 97 18 166 80 81 137 233 14 826
Overall accuracy [%] = 61.7433414044
Class 2.0 producer accuracy [%] = 58.7628865979 user accuracy [%] = 91.935483871 Kappa hat = 0.90862427541
Class 4.0 producer accuracy [%] = 72.2222222222 user accuracy [%] = 41.935483871 Kappa hat = 0.406419674225
Class 5.0 producer accuracy [%] = 100.0 user accuracy [%] = 100.0 Kappa hat = 1.0
Class 7.0 producer accuracy [%] = 91.25 user accuracy [%] = 57.03125 Kappa hat = 0.524233411528
Class 24.0 producer accuracy [%] = 66.6666666667 user accuracy [%] = 41.2213740458 Kappa hat = 0.348306778011
Class 25.0 producer accuracy [%] = 30.6569343066 user accuracy [%] = 50.6024096386 Kappa hat = 0.40780247259
Class 26.0 producer accuracy [%] = 39.4849785408 user accuracy [%] = 71.3178294574 Kappa hat = 0.600481064617
Class 31.0 producer accuracy [%] = 92.8571428571 user accuracy [%] = 13.5416666667 Kappa hat = 0.120510057471
Kappa hat classification = 0.55345622514
47
Anexo XVII
Matriz de Verificación para la Clasificación de Agosto de 2010.
ERROR MATRIX
> Reference
V Classification Agrícola y leñosas Cultivos herb. Población Agua Bosque Olivar Suelo Matorral y otros Total
Agrícola y leñosas 101 0 1 0 0 39 0 0 141
Cultivos herb. 3 416 5 16 0 22 0 12 474
Población 3 0 13 0 0 9 0 0 25
Agua 0 0 0 292 0 0 0 0 292
Bosque 0 0 0 0 336 0 0 0 336
Olivar 12 0 1 0 0 253 0 0 266
Suelo 70 14 0 0 0 0 4 102 190
Matorral y otros 20 3 0 0 66 5 8 338 440
Total 209 433 20 308 402 328 12 452 2164
Overall accuracy [%] = 81.0073937153
Class 1.0 producer accuracy [%] = 48.3253588517 user accuracy [%] = 71.6312056738 Kappa hat = 0.685984291959
Class 3.0 producer accuracy [%] = 96.0739030023 user accuracy [%] = 87.7637130802 Kappa hat = 0.847028741222
Class 4.0 producer accuracy [%] = 65.0 user accuracy [%] = 52.0 Kappa hat = 0.51552238806
Class 5.0 producer accuracy [%] = 94.8051948052 user accuracy [%] = 100.0 Kappa hat = 1.0
Class 7.0 producer accuracy [%] = 83.5820895522 user accuracy [%] = 100.0 Kappa hat = 1.0
Class 21.0 producer accuracy [%] = 77.1341463415 user accuracy [%] = 95.1127819549 Kappa hat = 0.942396841778
Class 28.0 producer accuracy [%] = 33.3333333333 user accuracy [%] = 2.10526315789 Kappa hat = 0.0155938172569
Class 29.0 producer accuracy [%] = 74.7787610619 user accuracy [%] = 76.8181818182 Kappa hat = 0.706977485132
Kappa hat classification = 0.773934115842
48
Anexo XVIII
Gráfico y tabla de precipitaciones durante el periodo de estudio
Años Precipitación AnualPreciptación Media
2001/02 390,8 464,4
2002/03 471,6 464,4
2003/04 520,2 464,4
2004/05 223,4 464,4
2005/06 444,0 464,4
2006/07 397,4 464,4
2007/08 443,4 464,4
2008/09 463,6 464,4
2009/10 871,0 464,4
2010/11 714,4 464,4
Mes Precipitación
00/05/2002 19,2
00/07/2003 0,0
00/11/2006 43,2
00/05/2007 74,0
00/08/2010 18,4
00/09/2011 22,0
Mes Precipitación
00/02/2002 2,4
00/03/2002 69,4
00/04/2002 59,4
00/05/2003 3,8
00/06/2003 0,0
00/09/2006 13,8
00/10/2006 17,4
00/02/2007 67,4
00/03/2007 23,4
00/04/2007 103,2
00/05/2010 23,8
00/06/2010 31,8
00/07/2010 0,2
00/06/2011 56,8
00/07/2011 0,0
00/08/2011 0,0
49
8. BIBLIOGRAFÍA
Aemet (2006). Resumen anual climatológico del año 2006. Consultado el 11
de Julio de 2016, Ministerio de Agricultura y Medio Ambiente, página web de la
Agencia Estatal de Meteorología:
http://www.aemet.es/documentos/es/serviciosclimaticos/vigilancia_clima/resumen
es_climat/anuales/res_anual_clim_2006.pdf
Aemet (2007). Resumen anual climatológico del año 2007. Consultado el 11
de Julio de 2016, Ministerio de Agricultura y Medio Ambiente, página web de la
Agencia Estatal de Meteorología:
http://www.aemet.es/documentos/es/serviciosclimaticos/vigilancia_clima/resumen
es_climat/anuales/res_anual_clim_2007.pdf
Aemet (2010). Resumen anual climatológico del año 2010. Consultado el 11
de Julio de 2016, Ministerio de Agricultura y Medio Ambiente, página web de la
Agencia Estatal de Meteorología:
http://www.aemet.es/documentos/es/serviciosclimaticos/vigilancia_clima/resumen
es_climat/anuales/res_anual_clim_2010.pdf
Aemet (2011). Resumen anual climatológico del año 2011. Consultado el 11
de Julio de 2016, Ministerio de Agricultura y Medio Ambiente, página web de la
Agencia Estatal de Meteorología:
http://www.aemet.es/documentos/es/serviciosclimaticos/vigilancia_clima/resumen
es_climat/anuales/res_anual_clim_2011.pdf
Brizuela, A., Aguirre, C., Velasco, I. (2007). Aplicación de métodos de
corrección atmosférica de datos Landsat 5 para análisis multitemporal. [Versión
electrónica]. TELEDETECCIÓN – Hacia un mejor entendimiento de la dinámica
global y regional, p. 207-214. Martin, http://www.aet.org.es/congresos/xii/arg27.pdf
Chuvieco, Emilio (1995). Fundamentos de Teledetección Espacial (2da
edición). Madrid: Ediciones Rialp S.A.
Costa, J. C. et al. Consejería de Medio Ambiente, Junta de Andalucía (n.d.).
Restauración de zonas incendiadas en Andalucía. Manuales de restauración
forestal nº8. Andalucía
GeoService Perú (n.d.). Información Técnica Resumida-Landsat 7 ETM, en su
página web http://gspperu.com/pdf/res_landsat7etm.pdf
50
Guía de usuario de QGIS (n.d.), en su página:
http://docs.qgis.org/2.8/es/docs/user_manual/
Instituto Geográfico Nacional (n.d.). Iberpix. Ortofotos y Cartografía Raster, en
su página: http://www.ign.es/iberpix2/visor/
Joma, S., Barry, D. A., Brovelli, A., Sander, G. C., Parlange, J. –Y. (2010,
Diciembre). Effect of raindrop splash and transversal width on soil erosion:
Laboratory flume experiments and analysis with the Hairsine-Rose model. Journal
of Hydrology vol. 395, p.117-132. Consultado el 12 de Julio de 2016, en Science
Direct, en su página:
http://0www.sciencedirect.com.avalos.ujaen.es/science/article/pii/S002216941000
6372
Morales, J. (2016). Requisitos mínimos de un equipo para trabajar con GIS.
Consultado el 12 de Julio de 2016, en su página:
http://mappinggis.com/2016/02/requisitos-minimos-de-un-equipo-para-trabajar-
con-gis/
Pinilla, C. (1995): Elementos de Teledetección. Ed. Ra-Ma, 344 pp. U. S. Department of the Interior, U. S. Geological Survey. USGS Global
Visualization Viewer, en su página: http://glovis.usgs.gov/
Van Andel, J., Aronson, J. (2006). Restoration Ecology (1ra edición). Reino
Unido: Blackwell Publishing.
WMS Ortofoto incendio Cazorla (Jaén) color (RGB) de 2005 (2005). Consultada el 2 de Mayo de 2016, Junta de Andalucía, página web de Consejería de Medio Ambiente y Ordenación del Territorio: http://www.juntadeandalucia.es/medioambiente/mapwms/REDIAM_Ortofoto_incendio_Cazorla_RGB_2005?