INCENDIOS FORESTALES UTILIZANDO IMÁGENES MODIS...

ESTIMACIÓN DE LA EMISIÓN DE GASES DE EFECTO INVERNADERO POR

INCENDIOS FORESTALES UTILIZANDO IMÁGENES MODIS.1

Kelly Johana Salcedo Alvarez

[email protected]

Sergio David Escobar Mesa

[email protected]

RESUMEN

Los incendios forestales han aumentado drásticamente en las ultimas decadas aportando

gran cantidad de gases de efecto invernadero -GEI. Hoy día es fundamental buscar

metodoligias practicas y economicas que permitan estimar dichas emisiones, por lo que en

este trabajo se utilizaron imágenes MODIS. Las imágenes utilizadas son del mes de

septiembre de 2009 y el producto MOD13Q1 (producto del satélite Terra). Los Tiles h9v9,

h10v7, h10v8, h10v9, h11v7, h11v8 y h11v9. Para estimar las emisiones se utilizó la

ecuación aplicada por (Anaya, Chuvieco & Palacios), la cual involucra como variables el

area quemada, carga de combustible, integridad de la combustión y factores de emisión. Se

aplicó un índice de diferencia normalizada de vegetación NDVI para estimar el área

quemada, las otras variables se tomaron de estudios existentes y a través la calculadora

raster, se obtuvieron los valores con las estimaciones de los GEI.

Palabras claves: Incendios forestales, Emisiones, MODIS, GEI, NDVI.

______________________________ 1Artículo presentado para optar al título de Especialista en Sistemas de Información Geográfica, Facultad de Ingenierías, Universidad de San Buenaventura Seccional Medellín, 2014. Asesor MSc German Mauricio Valencia Hernandez.

ABSTRACT

Forest fires have increased dramatically in recent decades bringing lots of Greenhouse

Gases - GHGs. Today it is essential to find practical and economic methodologies to

estimate these emissions, so in this paper MODIS images were used. Images used are for

September 2009 and the MOD13Q1 product (Terra satellite product). The Tiles h9v9,

h10v7, h10v8, h10v9, h11v7, h11v8 and h11v9. To estimate emissions the equation applied

by (Anaya, Chuvieco & Palacios) was used, which involves as variables the burned area,

fuel loads, combustion integrity and emission factors. An index of normalized difference

vegetation NDVI was also applied to estimate the area burned. The other variables were

taken from existing studies and through the raster calculator, values with estimates of GHG

were obtained.

Keywords: Forest fires , Emissions, MODIS, GHG, NDVI.

INTRODUCCIÓN

El fuego siempre ha sido causante de perturbaciones naturales, es un fenómeno estacional

cuyos picos se asocian a la estación seca que influye en los patrones y procesos del

ecosistema, así como el mantenimiento de la diversidad, la productividad y los ecosistemas

de reciclaje de nutrientes en todo el mundo. También es utilizado como una herramienta de

gestión para el manejo forestal y el desmonte para la mejora del pastoreo. A pesar de su

reconocida importancia, hay una gran falta de conocimiento sobre el papel del fuego en los

procesos del sistema terrestre y su gama completa de los cambios ambientales en nuestro

planeta. Los incendios que se producen en las regiones tropicales se han convertido

recientemente en un tema importante, dado su gran impacto en la estructura del ecosistema

tropical (Armentaras, Retana, Molowny, Roman, Gonzalez & Morales, 2011).

En las últimas décadas el número de incendios forestales ha aumentado drásticamente,

debido por un lado a los fuertes veranos que propician las condiones climatológicas y de

humedad favorables para que estos se presenten y desarrollen y por el otro lado los que se

generan por el hombre para limpiar las zonas deforestadas que después se convertirán en

campos de cultivos (Saldanha et al., 2013). Este tipo de Incendios se han convertido en uno

de los principales contribuyentes al cambio climático debido a que con ellos se liberan

gases de efecto invernadero como el dióxido de carbono (CO2), monóxido de carbono

(CO), metano (CH4), óxidos de nitrógeno (NOx), amoníaco (NH3), partículas (PM),

hidrocarburos no metano (NMHC) y otras especies químicas, causando impactos, en la

calidad del aire (Langmann, Duncan, Textor, Trentmann & Van der Werf, 2009) y en la

salud humana (Crutzen & Andreae,1990). Estos impactos en la calidad del aire no solo se

dan en la zona donde ocurren los incendios, éstos impactan a nivel regional y global.,

ocasionando graves daños materiales y afectando a diversos espacios como parques y

reservas forestales protegidos (Huesca et al.(2008). Por diversas razones los incendios

forestales cauzan impactos en la calidad del aire en la zona donde ocurren, si no que pueden

afectar regiones incluso hasta de otros continentes, generando impactos a nivel a nivel

regional y global, por ejemplo, se ha demostrado que las masas de aire contaminadas

resultantes de los incendios en Brasil pueden ser transportadas a la zona tropical del

Atlántico hacia África y el Océano Índico; trazas procedentes de los incendios de Alaska en

2004 también se han detectado en Europa (Mieville et al., Petron, 2010) ya que los

contaminantes no se confinan donde ocurren los incendios sino que viajan a través del aire.

En los estados de la india es frecuente la quema de residuos agricolas como preparación de

los suelos para nuevas cosechaslo cual genera contaminación en los estados en los cuales se

realizan estas actividades y por transporte de material particulado en otros estados

diferentes a los del origen del evento.(Krishna Prasad Vardrevu, Ellicot, Badarinath &

Vermote, 2011).

El hombre ha participado de manera significativa en la alteración del ciclo global del

carbono, el cual se ha visto alterado por efectos de la quema de combustibles fósiles, lo cual

ha llevado al incremento de los niveles de CO2 en la atmosfera (Zomer, Trabucco, Bossio

& Verchot, 2008) y por el cambio de uso del suelo (Soares et al., 2011) en la continua

búsqueda de nuevas tierras para la expansión agrícola, a través de la quema y tumba de

bosques lo cual trae como consecuencia la deforestación.

De acuerdo a (Soares et al., 2011) la quema de biomasa, se produjo un promedio anual de

emisiones de dióxido de carbono de 2.714 Tg C/año durante el periodo de 1997-2005,

estos valores se pueden comparar a con los producidos por la combustión de combustibles

fósiles, la producción de cemento, y la quema de gas con un valor de 8180 Tg C / año. El

CO 2 emitido por la combustión de biomasa es equivalente a alrededor del 12% del

CO 2 emitido por el uso de combustibles fósiles (Soares et al., 2011). La mecanización de

tierras para el uso agrícola ha alterado la física y la química de los suelos, las condiciones

climáticas y el almacenamiento de carbono en los ecosistemas forestales perturbados (Pan,

Birdsey, Hom & McCullough, 2009).

En este trabajo se pretende desarrollar una propuesta metodológica para la estimación de

emisiones por incendios forestales a partir de imágenes satelitales (MODIS). Este

documento esta dividido en cuatro partes, las cuales son: Estado del arte, Metodología,

Resultados, Conclusiones, con las cuales se pretende revizar antecedentes del uso de los

sensores remotos en estudios ambientales, especialmente en el calculo de emisiones por

incendios forestales, elegir una metodología y a travez de ella estimar las emisiones por

incendios forestales en colombia utilizado imágenes MODIS.

ESTADO DEL ARTE

Dados los continuos cambios climáticos causados por el efecto invernadero que a simple

vista han sido apreciados por el hombre, la comunidad científica en el mundo actual le está

dando especial importancia a todo lo referente al medio ambiente, sus cambios y todo lo

que éste involucra (Liberato, Paoletti & DaCamara) ya que los ecosistemas naturales y

algunos artificiales como las plantaciones forestales desempeñan un papel muy importante

en la regulación y el ciclo del carbono, ya que en estos se presentan los intercambios con la

atmosfera y las actividades biológicas como son la fotosíntesis, la respiración,

descomposición y combustión (Garcia, Riaño, Chuvieco & Danson, 2010).

Un mecanismo generado por los países desarrollados y por los países en vía de desarrollo

que busca controlar y mitigar las emisiones de gases tipo efecto invernadero (GEl) es el

tratado de Kioto y su anexo Mecanismos de Desarrollo Limpio (Zomer, Trabucco, Bossio

& Verchot, 2008)

A nivel mundial el ser humano es el principal aportante de gases de efecto invernadero

(GEI) con un aporte del 80% de las emisiones globales de gases tipo efecto invernadero y

es el responsable de un 75% del consumo de la energía mundial. Es probable que estos

valores aumenten debido a la expansión de los centros poblados en los países en vía de

desarrollo, al aumento de la población a nivel mundial y la mayor disponibilidad de autos

(Bansha & Akbar, 2012).

Desde hace unos años el uso de los Sistemas de Información Geográficos se ha venido

incrementando de tal manera que prácticamente todo se puede georreferenciar. Hoy en día

existen herramientas de fácil acceso en las que podemos encontrar con facilidad la

localización de lugares de interés como hospitales, escuelas, pero el uso más común o el

área en que quizás más provecho se le ha sacado a los SIG ha sido en ejercicios de

ordenamiento territorial en los cuales se realiza la planificación del uso del suelo teniendo

en cuenta principios de desarrollo sostenible que buscan involucrar los factores

ambientales, sociales y económicos que influyen en el territorio, con el fin de solucionar los

conflictos de uso del suelo que se presentan basados en SIG y técnicas multicriterios que

tienen en cuenta los intereses de los actores y las propuestas de los planificadores (Zhang,

Li & Fung, 2012).

En el área ambiental frecuentemente se usan los SIG como herramienta para estudiar

diversos temas de interés, desde el monitoreo de animales, cambios en las coberturas

vegetales y análisis de adecuabilidad en los que se busca darle el mejor uso al suelo y con

base a estos se localizan lugares apropiados para algún tipo de actividad de acuerdo a las

características de la zona, a lo requerido y a la experiencia del planificador (Perpiña,

Martínez & Pérez, 2012). Estas tecnologías son muy útiles ya que aportan información

valiosa para la el conocimiento de las condiciones de la zona de estudio en la toma

decisiones y el análisis en sobre los diferentes factores que influyen en ella (Liu et al.,

2010).

Un estudio realizado a nivel mundial con las herramientas y tecnología SIG genero un

informe valioso en el cual se hace referencia a las áreas potenciales de siembra de

plantaciones forestales que cumplen con los requerimientos del protocolo de Kioto en

cuanto clima, calidad del suelo y altura sobre el nivel del mar, lo cual es una herramienta

muy útil para garantizar la inversión en proyectos como captura de carbono (Zomer,

Trabucco, Bossio & Verchot, 2008).

Una de las aplicaciones importantes de los SIG se ha dado en la estimación de las

emisiones de gases de efecto invernadero en los que se ha encontrado que los cambios en el

uso del suelo, generan no solo liberación de CO2 sino también de otras sustancias

asociadas a la quema de los productos derivados de la tala que se realiza para la

implementación de otras actividades en el área (Jong et al., 2010).

La combinación de tecnologías como los SIG y los sensores remotos se han venido

implementando para el análisis de diversos factores de interés, entre ellos el monitoreo de

los cultivos y el análisis de la degradación ambiental que se pueden presentar por los

cultivos como la erosión y la pérdida de biodiversidad debido a los monocultivos. Estos

estudios se realizan procesando imágenes MODIS de diferentes años y observando los

cambios en los cultivos tanto en el área como en los tipos de cultivo, (Lunetta, Shao,

Ediriwickrema & Lyon, 2010) ,también existen estudios en los que se han usado modelos

topográficos, teledetección y sensores remotos (imágenes MODIS) para intentar descifrar

como las características fisiográficas del terreno influyen en las variaciones climáticas del

mismo (Pouteau et al, 2011), así como también para estimar la captación de CO2 por parte

de los bosques tanto naturales como plantados y para determinar la captura de carbono por

la barreras cortavientos utilizadas en campos agrícolas con imágenes satelitales Quickbird

(Czerepowicz, Case & Doscher, 2012).

Los bosques contribuyen de manera natural a la reducción de los gases de efecto

invernadero de la atmósfera, lo que disminuye la magnitud del cambio climático global. Por

lo tanto los inventarios de gases de efecto invernadero y los programas de reducción de

emisiones requieren ser monitoreados a través de métodos científicos que permitan obtener

valores confiables, con costos más bajos que los incurridos al realizar mediciones directas a

través de inventarios forestales. Esto se puede lograr a través de la teledetección calibrada

con mediciones de campo. Uno de los métodos comúnmente usados para calcular el

carbono forestal como el producto de áreas de superficie de los diferentes tipos de cobertura

terrestre, es en el que se realiza una clasificación por imágenes de satélite con moderadas

resoluciones espectrales o espaciales, por ejemplo Landsat y MODIS, y la masa de carbono

por unidad de área (densidad de carbono), derivado de las medidas de árboles en campo y

las ecuaciones alométricas, sumados por todos los tipos de cobertura del suelos. Otra de las

tecnologías usadas que produce estimaciones más exactas, son los métodos Lidar pero

debido a sus altos costos su uso no se ha generalizado (Gonzalez et al, 2010).

Los incendios forestales son uno de los principales contaminantes de la atmosfera al lado de

la quema de combustibles fósiles, por tanto se ha convertido en un tema global puesto que

esta contaminación afecta el ciclo del agua (Ramanathan & Feng, 2009) y adicionalmente

el ciclo del carbono (Conrd & Ivanova, 1997) se ve afectado y alterado en estos continuos

actos de tala e incendios forestales realizados por el hombre buscando la expansión agrícola

(Houghton, 2012). Estas afectaciones sobre la calidad del aire se han asociado al

calentamiento global y por ello se han venido estudiando en muchos países y con diferentes

metodologías.

En Rusia, se han realizado estudios para estimar las emisiones de carbono debido a los

incendios en los bosques boreales, ya que estos contienen alrededor del 25 % del carbono

terrestre mundial (Zhang, Wooster, Tutubalina, Solman, Miranda & Borrego, 2011). En

estos estudios se encontró que la mayor fuente potencial de error en las estimaciones de

emisiones de carbono de los incendios es la imprecisión en las estimaciones del área

quemada puesto que algunos incendios son solo superficiales con lo cual las emisiones por

estos incendios serian menor que las de un incendio de mayor intensidad, además porque el

uso de tecnologías como datos satelitales aun no estaban disponibles (Conard & Ivanova,

1997). Sin embargo en estudios posteriores se empezaron a integrar los primeros cálculos

basados en satélites utilizando datos SPOT, con una metodología única y estandarizada (a

través de los cambios de reflectancia espectral en diferentes épocas.) para cartografiar y

calcular las áreas quemadas con un tamaño de hasta 2 km2. Aunque existen varios

fenómenos que pueden provocar la que la reflectacia disminuya de manera similar a como

lo hace por la acción del fuego (como la presencia de nieve, sombras de nubes u otros), el

análisis espectral puede ayudar aún más en la discriminación de las verdaderas zonas

quemadas. Para minimizar los errores se tuvieron en cuenta datos de pre y post incendios.

El uso de la teledetección es un método rentable y viable para recopilar información de los

incendios en zonas tan grandes y tan remotas como las de Rusia (Zhang et al., 2011).

El uso de los sensores remotos como las Imágenes LANSAT se han venido masificando, lo

que ha servido de apoyo a los estudios de los efectos de los incendios forestales en las

emisiones de gases (GEI) (Carvalho, Monteiro, Flannigan, Solman, Miranda & Borrego,

2011) estos también se han estudiado con imágenes MODIS, a través de las cuales se han

detectado la cantidad de incendios con una precisión de la detección de incendios hasta del

90% e incluso superior (Wang, Zhou & L. Wang, 2003) encontrando con ellas el índice

potencial de incendio que muestra la probabilidad de ocurrencia de los incendios

(Freeborn, Wooster & Roberts, 2011) estas imágenes proporcionan rutinariamente la

ubicación de los incendios que se observa bajo el paso del satélite con una resolución

espacial de 1 km; la cobertura casi mundial de estas observaciones ha permitido una mejor

identificación de la variabilidad interanual de los incendios a escala mundial en los últimos

años (Mieville, Granier, Liousse, Guillaume, Mouillot, Lamarque, Grégoire & Petron,

2010). En algunos estudios utilizando los SIG y los sensores remotos para localizar los

incendios, evaluar los desastres producidos y a su vez asociarlos a una posible causa

encontrando como las principales las antropogenicas como las prácticas de quemas para la

implementación de cultivos y la regeneración de pastos entre otras (Dlamini, 2009) con esta

combinación también se han estimado las áreas quemadas por incendios forestales (

Merino, Huesca & Gonzáles, 2010) y a su vez las emisiones de gases de efecto

invernadero.

En el norte de India la quema de residuos agrícolas es considerada una de las principales

causas de las emisiones de gases de efecto invernadero. La quema a campo abierto de

residuos agrícolas es una práctica generalizada que se utiliza para limpiar la tierra para la

próxima cosecha, controlar malezas y enriquecer los nutrientes del suelo. Para caracterizar

el impacto de estas prácticas se han utilizado imágenes MERIS y MODIS, con las MERIS

se realizó la caracterización de los eventos de fuego en el paisaje, con las MODIS se

identificaron los incendios activos basados en el FRP (poder radiactivo del fuego) y el FRE

(energía radioactiva del fuego) para la cuantificación de la cantidad de biomasa quemada

(Vadrevu, Ellicott, Badarinath & Vermote, 2011).

El uso de imágenes MODIS también se viene implementando para detectar, prevenir

(Maeda, Formaggio, Shimabukuro, Balue & Hansen, 2009) y cuantificar las emisiones de

gases y partículas que se producen en los incendios forestales (Langmann, Duncan, Textor,

Trentmann & Van der Werf, 2009) a través del análisis de los cambios espectrales de las

imágenes en diferentes periodos antes de la ocurrencia de incendios mediante los valores

del índice de diferencia normalizada de vegetación (NDVI). Los componentes dominantes

de las emisiones de incendios forestales se liberan en forma de carbono con CO 2 y CO

(aproximadamente el 90-95% del carbono total emitido). La mayor parte del carbono

restante se compone de CH4 y otros compuestos volátiles orgánicos de carbono (Langmann,

Duncan, Textor, Trentmann & Van der Werf, 2009).

El uso cada vez más frecuente de imágenes MODIS se debe a que sus datos cuentan con

una alta sensibilidad radiométrica, buena calidad geométrica, alta resolución temporal, y

son distribuidos de manera gratuita a través de diferentes portales de internet. (Mas, 2011).

Entre los estudios que han usado imágenes MODIS a nivel mundial en temas como la

evaluación de elementos contaminantes y particulas en suspensión generados por incendios

forestales reportados por (Vadrevu, Ellicott, Badarinath & Vermote, 2011) se encuentran

el caso de la India. La medición de areas y cuantificación de contaminantes generados en el

mediterraneo por incendios forestales (Wiedinmyer et al). Quayle, Geron, Belote,

Mckenzie, Xiaoyang, O´neill, Wynne ). Otro caso exitoso es el resultado obtenido de

coberturas vegetales basados y apoyados en mosaicos MERIS, el cual obtuvo como

resultado 22 tipos de coverturas vegetales y que fue adoptado por las Naciones Unidas

como clasificación de coberturas (LCCS). (Vadrevu, Ellicott, Badarinath & Vermote,

2011).

Estudios realizados por la antigua Rusia en la decada del 90, mostarron la gran imprtancia

de la medión de las areas de los incendios para la cuentificación de los gases efecto

invernadero apoyados en imágenes satelitales. (Conard e Ivanova, 1997.)

En los estados Unidos de America se realizo estudio para la modelación de la calidad del

aire encontrando diferencias significativas con otros estudios realizados.( Wiedinmyer et

al.2006).

En Suramérica algunos países han iniciado su carrera tendiente a tener inicialmente satélites

en órbita, que de alguna manera les permitirán desarrollar investigaciones, controles y

seguimientos de diferentes índoles, que a su vez redundan en seguridad, producción y

prevención.

Brasil en especial por ser un país considerado ya potencia viene desde ya desde hace varios

años fortaleciendo su plataforma satelital, lo que lo pone en primer lugar Suramericano y a

la vanguardia a nivel mundial en lo referente a investigaciones , controles y monitoreo de

aspectos tan importantes a nivel mundial y local como cambios climáticos, fenómenos

como el de la niña y el niño, tasas de deforestación del amazonas, minería, coberturas

vegetales, cultivos(agricultura), cultivos ilícitos, contaminación ambiental y otros aspectos

de vital importancia para los diferentes países en el mundo.

Una respuesta a estos avances en la industria satelital es la creación de diversas entidades

estatales Brasileras que facilitan a la comunidad internacional que lo requiera acceder a

información real, veraz, alguna en tiempo real para la toma de decisiones en áreas como la

agricultura, diseño de vías, la industria hidroeléctrica, minería y el seguimiento y monitoreo

de áreas boscosas en protección (amazonas), áreas cultivadas, inundaciones, sequias,

cambios climáticos, contaminación y otras más por implementar.

En este sentido el Ministerio de ciencia, tecnología e innovación de Brazil creo el INPE

(INSTITUTO NACIONAL DE PESQUISAS ESPACIALES). El cual cuenta con una

página que permite obtener información en cifras y mapas de predicciones o riesgos de

fuego, focos de calor, temperatura, precipitación, mapas temáticos de tipos de cobertura

vegetal, ríos, topografía, etc (http://www.inpe.br/).

Estudios realizados en Brasil en el estado de Amazonas durante el periodo seco de 2005, en

el cual se usaron 24 escenas Landsat-5 TM, con un total de 8 escenas de cada año desde el

2004 hasta el 2006, permitieron una aproximación a la estimación del área quemada y las

emiciones potenciales de carbono.

http://www.inpe.br/

En Colombia también se vienen realizando trabajos que han contribuido a entender el

funcionamiento y procesamiento de imágenes satelitales obtenidas del sensor remoto

MODIS de la NASA (Rodriguez & Arredondo, 2005) y la aplicación de estos en diferentes

ámbitos como en los estudios de incendios forestales, de praderas y residuos de cultivo, sus

mediciones de áreas y cálculos de los gases generados en estos eventos de estudio en

diversas partes del mundo, brindando así una aproximación a las diversas metodologías que

han sido planteadas y evaluadas por la comunidad científica en cuanto a la medición de

gases efecto invernadero y CO2 (Taborda,2013).

Mas recientemente en Colombia se usaron las imágenes Modis para la cuantificación de

áreas inundadas en la mas reciente época invernal del año 2010 , lo cual permitio evaluar

día a día las hectareas afectadas por esta ola invernal y el momento en el cual se

recuperaron para su uso normal con el apoyo de la entidad IDEAM. (Navia & Baquero).

Además se ha venido implementando el uso y aplicación de imágenes MODIS en la

realización investigaciones y diversas aplicaciones en varios campos entre las cuales se

destacan estudios para estimar en qué medida los patrones espaciales y temporales de la

quema de vegetación podría ser explicado por la variación regional y climática (Armentaras

et al., 2011). Para realizar actualización de coberturas vegetales utilizando el producto

MODIS MOD13Q usado para el NDVI (Rincón, Jarvis & Mulligan) y realizar la

clasificación diferentes coberturas terrestres a través de una red neuronal, mediante la

implementación de un algoritmo matemático en ENVI, un software que permite la

manipulación, análisis e interpretación de imágenes de satélite (Barrero & Giraldo, 2012).

En investigaciones para determinar la concentración de clorofila donde los datos de

concentración de clorofila, se validan con respecto a datos in situ obtenidos en expediciones

oceanográficas en la Cuenca Pacífica Colombiana y sus áreas insulares (Bastidasa &

Rodriguez, 2006). En el monitoreo de cuerpos de agua basados en índices de vegetación

obtenidos con productos MODIS (Navia & Baquero).

En la actualidad el Área Metropolitana de Medellín viene realizando un protocolo de

incendios forestales como mecanismo piloto a nivel de los cuerpos de bomberos del país la

cual involucra mediciónes de terreno afectado por el incendio , tipo de vegetación de

acuerdo al tipo de cobertura establecida por el Instituto Geografico Agustin Codazzi. Este

se encuentra en revisión y ajustes por el IDEM y una ves se autorice ser utilizado se

evaluara su eficiencia. Una vez superada la segunda etapa se sugerirá por parte del autor de

este trabajo pasar al uso de imágenes MODIS teniendo las coordenadas del incendio para

ser evaluado por el sistema propuesto en este documento. Se iran dando conocer los

avances por parte del Área Metropolitana e IDEAM. La justificación de estos protocolos

radica en la eficiencia en tiempo, la veracidad del área y los resultados que se pueden emitir

de contaminantes atmosféricos producidos en incendios forestaloes. Lo anterior esta en

periodo de desarrollo debido a lo lento de los tramites para aceptar los protocolos de parte

de las entidades estatales.

En Colombia cada año se presentan muchos incendios forestales de manera dispersa en

varios departamentos, pero el tamaño de estos no es lo suficientemente grande para ser

observados con imágenes satelitales de 250 metros de resolución espacial, si dichos

incendios se presentaran en el mismo lugar, tendrían el tamaño para ser vistos con las

imágenes satelitales de 250 metros de resolución espacial, como es el caso del producto

MOD13 Q1 utilizado en este trabajo. Es por ello que se debe mezclar la toma de

información en campo (áreas quemadas por una entidad estatal) con las imágenes

satelitales.

MARCO TEÓRICO

SENSOR MODIS

El sensor MODIS es parte de un programa de investigación denominado EOS (Earth

Observing System), programa constituido por la NASA. Las imágenes de MODIS son

tomadas en dos satélites, Terra lanzado en 1999, este lleva consigo cinco sensores, la órbita

de este es en sentido norte sur y pasa por el ecuador en la mañana aproximadamente a las

10:30 am / pm y Aqua, es otro satélite que tiene instalado un sensor que captura imágenes

MODIS, este a diferencia de Terra, recorre la tierra de Sur a Norte atravesando el Ecuador

en la tarde 1:30 pm / am, complementando la información obtenida por el satélite Terra

(Barrero & Giraldo, 2012).

Características técnicas del sensor MODIS y de las imagenes.

El sensor MODIS fue diseñado con unas características técnicas que permiten que capte los

datos y que definen la calidad de estos. Tal como se muestra a continuación (Hinestroza,

2012).

Orbita: 705 km, 10:30 am nodo descendente (TERRA), o 1:30 pm nodo ascendente

(AQUA), sincronización con el sol circular cercana a la polar.

Rata de exploración: 20.3 rpm.

Escuadra de captura de datos: 2330 km, por 10 km. (a lo largo de la huella del nadir).

Dimensiones del telescopio: 17.78 cm de diámetro afocal fuera del eje con parada de

campo intermedio.

Medidas: 1m x 1.6m x 1m

Peso: 228.7 kg.

Potencia: 162.5 W (promedio orbital).

Tasa de datos: 10.6 Mbps (pico en el día), 6.1 Mbps (promedio orbital).

Periodo de diseño: 6 años.

Las anteriores especificaciones técnicas del sensor dan como resultado que las imágenes

tengan las siguientes características (Barrero & Giraldo, 2012).

Una alta resolución radiométrica tomando las imágenes en 12 bits

Resolución espectral de 36 bandas, que se extienden desde 0.4 µm a los 14.4 µm.

Resolución espacial, dos bandas tienen una resolución espacial de 250 m, otras cinco

bandas tienen una resolución de 500 m, y las 26 bandas restantes tienen una resolución de 1

Km.

Resolución temporal, 1 a 2 días.

DATOS MODIS

Los datos MODIS, sirven para la elaboración de una gran variedad de productos enfocados

al estudio de los océanos (MOcean), la atmósfera (MODIS Atmosphere), la criósfera y las

cubiertas terrestres (MODLAND) para la realización de este trabajo se utilizaron productos

MODLAN. Estos se dividirse en tres grandes grupos como se muestra a continuación (

Mas, 2011).

• Las variables relacionadas con el balance de energía: la reflectancia de la superficie

(MOD09), la cobertura de nieve (MOD10), la temperatura y la emisividad de la superficie

terrestre (MOD11), el albedo y la función de la distribución de la reflectancia bi-direccional

(MOD43) ( Mas, 2011).

• Las variables biofísicas relacionadas con la vegetación: los índices de vegetación

(MOD13), el índice de área foliar o LAI por sus siglas en inglés y la fracción de radiación

activa fotosintética FPAR (MOD15) y la producción primaria (MOD17) ( Mas, 2011).

• Las variables relacionadas con las características de la cobertura terrestre: coberturas del

suelo (MOD12), puntos de calor e incendios (MOD14), conversión de la cobertura vegetal

y fracción de vegetación (MOD44) y finalmente áreas quemadas (MCD45).

El producto MOD13 presenta dos índices de vegetación (IV): El índice de vegetación de

diferencia normalizada (NDVI) y el índice de vegetación mejorado (EVI). El NDVI se

produce mediante el cálculo del cociente normalizado de la banda del infrarrojo cercano y

la banda del rojo. Además contiene las bandas del Rojo y del Infrarrojo cercano con las

cuales se puede realizar el calculo del NDVI en este trabajo se trabajo con estas bandas y se

realizó el calculo del NDVI ( Mas, 2011).

Entre las variables relacionadas con el balance de energía tenemos:

MOD09 – Reflactancia de la superficie: Este producto es una evaluación de la reflactancia

de las cubiertas terrestres. La estimación de la reflactancia se lleva a cabo para todos los

pixeles sin nubes para las siete primeras bandas del sensor MODIS. Se elabora en base a

diferentes resoluciones espaciales y temporales. (Mas, 2011)

MOD10 – Cobertura de Nieve: Indica la extención y la cobertura fraccional de nieve. La

cobertura de nieve es un parámetro primordial para el balance de energía global ya que esta

relfeja gran parte de la energía solar incidente. Tambien es importante para el modelo

hidrológico ya que el deshielo aporta agua a muchas corrientes. Este producto también

indica la presencia de hielo en los lagos continentales. La elaboración de este producto se

basa en la diferencia normalizada de las bandas del visible del infrarrojo cercano. Se

elabora en base a diferentes resoluciones espaciales y temporales. (Mas, 2011)

MOD11 – Temperatura y emisividad de la superficie terrestre: Brinda estimaciones de la

temperatura y la emisividad diurna y nocturna de las coberturas terrestres. La temperatura

se mide en grados kelvin al contacto entre la cobertura y la atmosfera. Estos productos

tienen una resolución espacial de 1.000 m con base diaria y cada 8 diás. (Mas, 2011)

MOD43 - BRDF/Albedo: La serie de productos MOD43 describe el albedo, los parámetros

de distribución de la función de reflectancia bidirectional (BRDF por sus siglas en inglés)

que caracteriza la anisotropía de las coberturas del suelo y la reflectancia corregida por esta

función. Este producto se genera a partir de los datos Terra y Aqua combinados es un

compuesto de 16 días que se produce cada 8 días. (Mas, 2011)

MOD13 - Índices de vegetación: Presenta dos índices de vegetación (IV): El índice de

vegetación de diferencia normalizada (NDVI) y el índice de vegetación mejorado (EVI). El

NDVI se produce mediante el cálculo del cociente normalizado de la banda del infrarrojo

cercano y la banda del rojo. Este es producto se realiza a partir de un compuesto de 16 días

(Mas, 2011), con el NDVI realizamos el calculo del área quemada para nuestro estudio.

MOD15 - Índice de área foliar/fracción de radiación activa fotosintética absorbida por la

vegetación: Este producto presenta el índice de área foliar (LAI) y la fracción de radiación

activa fotosintética absorbida por la vegetación (FPAR). El LAI define una propiedad

estructural importante del dosel que es el área total de la superficie superior de las hojas por

área de unidad de terreno. El FPAR mide la proporción de radiación disponible en las

longitudes de onda de la radiación fotosintéticamente activa (400 a 700 nm) que el dosel

absorbe. LAI y FPAR son variables biofísicas que describen la estructura del dosel y se

relacionan con tasas de energía de procesos funcionales, es un producto de un kilómetro

elaborados en compuestos de 8 días. (Mas, 2011).

MOD17 - Producción primaria bruta y neta: Este producto brinda una estimación de la

producción primaria bruta y neta de un ecosistema. Tiene una resolución espacial de un

kilómetro y una resolución temporal de 8 días (Mas, 2011).

MOD12 - Coberturas del suelo: Este producto es un mapa de coberturas del suelo con

varios sistemas clasificatorios, brinda información sobre la dinámica de las coberturas

caracterizando ciclos fenológicos. Este es un producto combinado de Terra y Aqua y se

obtiene a partir de una clasificación supervisada obtenida con árboles de decisión

cambiando la distribución de los ejemplos de entrenamiento (Boosting), lo cual permite

estimar las probabilidades condicionales de cada categoría para cada pixel, los datos de

entrenamiento son de todo el mundo y representativos de la variabilidad geográfica y

ecológica de las coberturas del suelo. (Mas, 2011).

MOD14- Puntos de calor / incendios: Este producto indica las anomalías térmicas , o

puntos de calor, los cuales se deben generalmente a quemás agrícolas e incendios. La

estrategia de detección de puntos de calor se basa en una detección absoluta si las

temperaturas de brillantez son suficientemente altas y en una detección relativa (contraste

con el entorno) para tomar en cuenta la variabilidad de la temperatura de la superficie y la

reflexión de las radiaciones solares. Estos productos tienen una resolución espacial de un

kilómetro y una resolución temporal tanto diaria (MOD14A1) como de 8 días (MOD14A2)

(Mas, 2011).

MOD44 -Conversión de la cobertura vegetal y campos continuos de vegetación: Registra

cambios en la cobertura del suelo se enfocan principalmente en la deforestación, se esta

trabajando para que pueda utilizarce en áreas inundadas. Este producto fue diseñado para

estimar los cambios en las coberturas tratando de reducir al minimo los posibles errores por

comisión. Este se elabora 4 veces al año realizando comparaciones con los mismos meses

del año anterior, para que se considere que hubo deforestación se debe observar una

disminución en la cobertura vegetal. Este producto tiene una resolución espacial de 250 m.

(Mas, 2011).

MCD45 - Áreas quemadas: Muestra información sobre las áreas incendiadas, se deriva de

imágenes de los sensores Terra y Aqua y utiliza las relfactancias diarias corregidas de los

tres meses anteriores para detectar cambios que indiquen incendios. Es un producto

mensual con una resolución de 500 m. Tiene ocho capas de información que indican la

fecha del incendio, la calidad de la información (QA), el número de pasos utilizados, la

dirección y el tipo de cobertura (Mas, 2011).

Nomenclatura datos MODIS.

Las imágenes MODIS son cuadros llamados Tiles, los cuales son ubicados a partir de un

número de línea (v) y columna (h), es sí como el área de Colombia está dada por los tiles,

Para el caso colombiano, el país se extiende sobre los Tiles, h9v9, h10v7, h10v8, h10v9,

h11v7, h11v8 y h11v9, ( Mas, 2011) (Barrero & Giraldo, 2012).

En este estudio se utilizó solo el área continental de Colombia que excluye el til (h9v9).

Estos datos se nombran a través de la convención adoptada por la NASA, cada parte del

nombre del producto permiten conocer, la plataforma, el nombre, la fecha, versión y la

localización, los datos utilizados para este trabajo poseen la estructura tal como se muestra

en la figura 1:

Figura 1. Nomenclatura de datos MODIS

Fuente: Elaboración propia

En este trabajo de utilizó el MOD13Q1 que es un compuesto de 16 días con una resolución

espacial de 250 metros. Se utilizaron imágenes del 14 de septiembre del 2009 para todo

Colombia y del 18 de febrero del 2004 para un área del municipio de Puerto Gaitan en el

Departamento del Meta.

ESTIMACIÓN DE LAS EMISIONES DE GASES DE EFECTO INVERNADERO

Existen varios métodos para estimar las la emisión de gases de efecto invernadero por

incendios forestales, unos directos y otros indirectos y aunque algunos de ellos retoman

apartes de otros, no existe un método que sea lo suficientemente preciso para proporcionar

estimaciones cuantitativas de emisiones por incendios forestales. (Langmann, Duncan,

Textor, Trentmann & Van der Werf, 2009). Los métodos indirectos se basan en sensores

remotos (Anaya, Chuvieco & Palacios) Una de las metodologías utilizadas para realizar el

cálculo emisiones de incendios (E) para una especie específica (i) se calcula como el

producto de la superficie quemada (A), la carga de combustible (FL), integridad de

combustión (CC) y de los factores específicos de emisión (FE) (Langmann, Duncan,

Textor, Trentmann & Van der Werf, 2009).

Donde;

Cada factor en la ecuación tiene localización espacial (x, y, z), temporal (t) y variabilidad,

por lo que las emisiones de incendios debe leer como E (x, y, z, t, i).

Superficies (área) quemada (A): La mayoría de los algoritmos busca detectar cambios

persistentes en un índice de vegetación utilizando rojo y / o bandas infrarrojas. Como se

muestra a continuación (Zhng, Wooster, Tutubalina, Solman, Miranda & Borrego, 2011).

Donde ρ NIR (Banda 2) , ρ rojo (Banda 1) (Navia & Baquero), y ρ SWIR son la

reflectancia espectral registrada en el NIR VGT, rojo, y SWIR, respectivamente.

El Índice de Vegetación Normalizado- el NDVI y el índice de vegetación infrarrojo de onda

corta (SWVI) fueron calculados con SPOT-4 fue lanzado en marzo de 1998, y el sensor de

escobillón VGT proporciona imágenes sobre un ancho de franja 2250-km en el azul (0.43-

0.47 m), rojo (0,61-0,68 m), infrarrojo cercano (NIR, 0,78-0,89) y infrarrojo de onda corta

(SWIR, 1.58-1.75 m) en las regiones espectrales. (Zhang et al., 2011).

Carga de combustible (FL) y la integridad de combustión (CC): La carga de combustible

no es idéntica a la biomasa ya que no toda la biomasa es sometida a un incendio, es posible

que en un mismo ecosistema no todas las especies se queman de forma total. Los mayores

valores de carga de combustible se encuentran en bosques tropicales.

La integridad de la combustión, se describe como la fracción del combustible que se quema

disponible durante un evento de incendio, en función del tipo de incendio, el tipo de

combustible y su contenido de humedad.

Los factores de emisión (FE): se traducen en biomasa quemada.

Para determinar los factores de emisión se han realizado pruebas de laboratorio con

biomasa obtenida de campo y con un dispositivo mediante el cual se quema la biomasa

simulando algunas condiciones, las muestras de biomasa para cada quema se componen de

una sola especie. El dispositivo permite que las partículas sean retenidas en una trampa y de

esta manera poder cuantificarlas, estos datos se comparan datos obtenidos de incendios que

han sucedido en la zona y de esta manera se comparan los datos obtenidos en laboratorio

con los datos obtenidos en campo (Perpiña, Martínez & Pérez, 2012).

El factor de emisión (EF x ) para una especie en g kg -1 (X gramos de especies por kg de

biomasa seca quemada), se calcula según la ecuación (1) , donde: V chimenea total = volumen

total de gas que fluyó en la chimenea durante el experimento (m 3 ), [] x = especie X

http://bibliotecadigital.usbcali.edu.co:2054/science/article/pii/S1352231011004754#fd1

promedio de concentración (fracción molar), M x = X especies peso molecular (g mol -

1 ), m (combustible (base seca)) = cantidad de combustible consumido seco (kg), y V x = volumen

molar del gas a temperatura y presión estándar (m 3

) (STP) (= 0,0224 m 3 ).

[

]

Los últimos inventarios de emisión por incendios se han realizado combinando el área

quemada y el conteo de incendios activos de los satélites, acompañados de modelado

biogeoquímico del combustible disponible (Langmann, Duncan, Textor, Trentmann & Van

der Werf, 2009).

De acuerdo a (Seiler & Crutzen,1980) la influencia de la quema de biomasa en los ciclos

atmosféricos de gases traza CO2 y otros pueden estimarse sólo si conocemos las

velocidades de combustión.

El monto total de M biomasa quemada anualmente en un bioma está dado

aproximadamente por la ecuación:

[g de materia seca por año (g dm/yr)

donde A = área total de la tierra quemada anualmente [m2/año], B = la materia orgánica

media por unidad de superficie en los biomas individuales [g dm/m2], α = fracción de la

media de la biomasa aérea con respecto a la biomasa total promedio B, y donde β = la

eficiencia de combustión de la biomasa aérea.

Esta metodología también fue usada para la estimación de las emisiones de la quema de

biomasa para el período 1997-2005 por (Mieville et al., 2010) y por (Wiedinmyer et

al.,2006) para estimar las emisiones de los incendios en América del Norte para la

modelización de la calidad del aire.

La emisión de una especie X resultante de incendios, E (X), se expresa como el producto,

para cada clase de vegetación i, del área quemada BA i (en m 2

), la densidad de la biomasa

BD i(en kg m -2

), la eficiencia de combustión BE i y el factor de emisión de la especie X,

EFi (X):

∑

donde N es el número de clases de vegetación tomadas en cuenta.

La densidad de la biomasa (BD) o de la carga de combustible proporciona la biomasa

disponible por unidad de superficie; la eficiencia de combustión (BE) corresponde con el

porcentaje de la biomasa que se quema eficazmente. (EF) El factor de emisión da la

cantidad de especies químicas emitidas por una cantidad dada de biomasa quemada.

En esta metodología Las densidades de biomasa (BD), la eficiencia de combustión (BE), y

los factores de emisión (FE) de diferentes tipos de vegetación se obtuvieron a partir de

valores ya publicados, tabla 1. (Mieville et al., 2010).

Tabla 1. Valores de densidad de la biomasa (BD), BE (eficiencia de combustión), EF (Factor de emisión) para

cada clase de GLC, y el factor de BA / FC (Área quemada por Conde Fuego). La unidad kg dm corresponde

kg de materia seca.

GLC clases

BD

(kg m-

2 )

BE

EF (CO 2 ) (g

(CO 2 ) kg dm)

BA / FC

(km2FC

-

1 )

Latifoliado siempre verde GLC1 23,35 0,25 1580 5,8

Perecedero de hoja cerrada GLC2 20 0,25 1569 30,6

Abierto caducifolio de hoja ancha GLC3 3,3 0,4 1613 83,7

Siempre verde aciculada bosque GLC4 36,7 0,25 1569 9,5

Caduco aciculada GLC5 18,9 0,25 1569 9,3

Tipo de hoja mixta GLC6 14 0,25 1569 7,2

Mosaico: Árboles/ otros tipos de vegetación

natural, GLC9

10 0,35 1591 48,6

Arbusto, cerrados, abiertos, siempre verde

GLC11

1,25 0,9 1613 7,1

Arbusto, cerrado-abierto, caducifolio

GLC12

3,3 0,4 1613 55,1

Cobertura herbácea, cerrada, abierta GLC13

1,425 0,9 1613 48,9

Herbácea dispersa o cobertura arbustiva

ralaGLC14

0,9 0,6 1567 25,7

Áreas cultivadas y manejadasGLC16 0,44 0,6 1515 32,5

Mosaico: cultivo/ árbol / vegetación

natural. GLC17

1,1 0,8 1594 6,9

Mosaico: tierras de cultivo / arbusto o

hierba GLC18

1 0,75 1580 41,8

En el estudio realizado en norte américa se presentan la clasificación de las coberturas con

la carga de combustibles para cada una de ellas y los factores de emisión para las especies

(CO2, CO, CH4, NOx , NH3 , SO2 , VOC, PM 10 y PM 2,5 ) tabla 2 y 3.

Tabla 2. GLC2000 clasificaciones de cobertura del suelo (con los códigos asociados) y asignado carga total de

combustible. Se dan las fracciones de combustibles leñosos y herbáceos para cada clasificación. (Christine

Wiedinmyer, 2006)

Código

GLC

GLC2000 clasificación de

coberturas

Carga total de

combustible

(kg m -2

)

Fracción

promedio

leñosa

Fracción promedio de

herbáceas (incluyendo sin

valor y arbustos)

1 Dosel siempreverde latifoliado

tropical o subtropical, bosque

cerrado

17 0.84 0,16

2 Dosel deciduos latifoliados

tropicales y subtropicales del

bosque cerrado

17 0.84 0,16

29 Frondosas copas de los árboles de

hoja perenne-abierto tropical o subtropical

17 0.84 0,16

3 Templado o subpolares bosque

cerrado caducifolio latifoliado.

9,5 0.84 0,16

4 Bosque cerrado siempre verde

aciculado templada o subpolares.

14 0,79 0.21

5 Aciculado copas de los árboles de

hoja perenne-open templada o sub-

polar.

14 0,79 0.21

20 Subpolar bosque siempre verde

aciculado dosel abierto liquen

sotobosque.

14 0,79 0.21

6 Dosel cerrado mixta aciculado

templada o sub-polar

12 0,85 0.15

7 Dosel del bosque latifoliado

cerrado o aciculado mixto

templado o sub-polar

12 0,85 0.15

8 Dosel del bosque latifoliado abierto

o aciculado mixto templado o sub-polar

12 0,85 0.15

9 Matorral dosel cerrado siempre

verde latifoliado templado o

subpolar

4,3 0.39 0,61

10 Latifoliadas de hoja caduca

matorral dosel abierto templado o

subpolar

4,3 0.39 0,61

11 Aciculado perenne matorral dosel

abierto templado o subpolar

4,3 0.39 0,61

12 Dosel enano-matorral abierto

latifoliado y mixto aciculado

templada o sub-polar

4,3 0.39 0,61

Código

GLC

GLC2000 clasificación de

coberturas

Carga total de

combustible

(kg m -2

)

Fracción

promedio

leñosa

Fracción promedio de

herbáceas (incluyendo sin

valor y arbustos)

13 Pastizales templados o subpolar 1.1 0,08 0,92

14 Pastizales templados o subpolar

con un estrato arbóreo ralo

1.1 0,08 0,92

15 Pastizales templados o subpolar

con un estrato arbustivo escasa

1.1 0,08 0,92

16 Polar pastizales con un estrato

arbustivo escasa

1.1 0,08 0,92

17 Polar prados con una capa de

arbustos enanos escasa

1.1 0,08 0,92

18 Las tierras de cultivo 0,5 0,08 0,92

19 Las tierras de cultivo y matorrales /

bosques

0,5 0,08 0,92

21 No Consolidado escasa vegetación

materiales (antiguo quemado u otra perturbación)

0,1 0,08 0,92

22 Urbano y urbanizado 0,1 0,08 0,92

23 Consolidado roca vegetación

escasa

0,1 0,08 0,92

24 Los cuerpos de agua 0 0,08 0,92

25 Área quemada (superficie quemada

reciente)

0,1 0,08 0,92

26 La nieve y el hielo 0 0,08 0,92

27 Humedales 14 0.84 0,16

28 Humedales herbáceos 1.1 0,08 0,92

Tabla 3. Los factores de emisión (kg especie Mg-1 biomasa quemada) asignados a los incendios en cada una

de las clases de cubierta terrestre GLC, (Christine Wiedinmyer, 2006).

GLC code CO2 CO PM10 PM2.5 NOx NH3 SO2 NMHCs CH4

1 1588 117 12.5 9.9 1.3 0.7 0.8 8.1 6.6

2 1588 117 12.5 9.9 1.3 0.7 0.8 8.1 6.6

3 1569 94 12.5 11.2 2.1 0.6 0.8 6.8 4.5

4 1569 89 13.1 12.1 2.5 0.9 0.8 6.1 4.8

5 1569 89 13.1 12.1 2.5 0.9 0.8 6.1 4.8

6 1569 82 15.0 11.5 2.7 0.9 0.8 6.8 4.5

7 1569 82 15.0 11.5 2.7 0.9 0.8 6.8 4.5

8 1569 82 15.0 11.5 2.7 0.9 0.8 6.8 4.5

9 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1

10 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1

11 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1

12 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1

13 1630 90 12.5 9.5 6.5 0.6 0.5 5.0 3.1

14 1630 90 12.5 9.5 6.5 0.6 0.5 5.0 3.1

15 1630 90 12.5 9.5 6.5 0.6 0.5 5.0 3.1

16 1630 90 12.5 9.5 6.5 0.6 0.5 5.0 3.1

GLC code CO2 CO PM10 PM2.5 NOx NH3 SO2 NMHCs CH4

17 1630 90 12.5 9.5 6.5 0.6 0.5 5.0 3.1

18 1515 70 6.9 5.7 2.4 1.5 0.4 6.7 2.2

19 1515 70 6.9 5.7 2.4 1.5 0.4 6.7 2.2

20 1569 89 13.1 12.1 2.5 0.9 0.8 6.1 4.8

21 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1

22 0 0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

23 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1

24 0 0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

25 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1

26 0 0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

27 1569 94 12.5 11.2 2.1 0.6 0.8 6.8 4.5

28 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1

29 1588 117 12.5 9.9 1.3 0.7 0.8 8.1 6.6

En Colombia esta metodología (Seiler & Crutzen,1980) también fue implementada por

(Anaya, 2009) utilizando la clasificación de las coberturas con (IGBP) Programa

Internacional de la Geosfera y La Biosfera.

METODOLOGÍA

A continuación se muestra la metodología utilizada para la realización de este estudio, la

cual incluye el uso de imágenes MODIS.

Obtención de imágenes MODIS.

Las imágenes MODIS se obtienen a través de la página de la NASA http://glovis.usgs.gov/,

su distribución es de forma gratuita, solo requiere registrarse en la página y crear una

cuenta, al realizar este proceso se obtiene un nombre de usuario y contraseña con el cual se

podrá realizar todas las descargas que se requieran.

Lo primero que se debe hacer es tener claro el tema a estudiar, la zona de estudio y la fecha

en la que queremos realizar el estudio, para así elegir el producto indicado en nuestro caso

utilizaremos el MOD13Q1 (producto del satélite Terra) del mes de septiembre de 2009.

A continuación se muestra el proceso realizado para obtener las imágenes satelitales a

través de la página de la NASA:

http://glovis.usgs.gov/

Figura 2. Página de inicio de la NASA

Fuente: Tomado de la página http://glovis.usgs.gov/

Arriba en la parte izquierda de la página en la pestaña Collection, se encuentran los

diferentes productos de MODIS disponibles en esta página, elegimos la opción MODIS

Terra, esta despliega todos los productos MODIS Terra disponibles y elegimos el producto

a utilizar en este caso escogemos el producto MOD13Q1. Ver Figura 3.

Figura 3. Productos MODIS Terra




Luego en la ventana de la izquierda seleccionamos las imágenes a descargar a través de

H/V o Lat/Long, también se pueden localizar las imágenes las flechas de desplazamiento,

Ver Figura 4. Con la opción add vamos adicionando las imágenes que queremos descargar

y finalmente se da click en el botón send to cart, este nos envía a una pagina en la que

debomos ingresar el nombre de usuario y la contraseña si ya estás registrado en la página,

sino se debe seralizar el registro para obtenerlo. Ver figura 5.

La zona continental de Colombia está compuesta por 6 tiles el 10,-7, 11-7, 10-8, 11-8, 10-9,

11-9.

Figura 4. Selección de los Tiles da descargar



Figura 5. Pagina para ingresa los datos de la persona que solicita las imágenes.


El siguiente paso consiste en suministrar la orden con los pedidos y confirmar el pedido tal

como lo describen (Barrero & Giraldo, 2012), (Hinestroza, 2012). Luego al correo inscrito

en esta página llegan unos links en los que se puede descargar la informacion requerida.

Cambio de Proyección de las imágenes y generación de Mosaicos.

Con el programa Modis Tool que se descarga del link

https://lpdaac.usgs.gov/tools/modis_reprojection_tool de el Servicio Geológico de Estados

Unidos USGS por sus siglas en ingles, se le asígna la proyección y el datúm con los que

necesitamos trabajar, pues cuando las imágenes son descargadas inicialmente, possen una

proyección propia de acuerdo a parámetros de la NASA. Para este trabajo la proyección

que se usó fue UTM para la zona 18 Norte y el datum WGS84. Ver imagen 6.


https://lpdaac.usgs.gov/tools/modis_reprojection_tool

Figura 6. Reproyección de imágenes, asignación del datum y creación del mosaico

Fuente: Elaboración propia utilizando el programa MR Tool

Una vez se han llenado todos los parametros se le da Run y aparece una ventana que nos va

mostrando el estado del proceso. Ver imagen 7. Al finalizar el proceso obtenemos un

mosaico que cubre a Colombia con proyección UTM Zona 18. Ver imagen 8.

Figura 7. Estado del proceso de reprojección y creación del mosaico.


Figura 8. Mosaico de imágenes proyectadas a UTM Zone 18


Descarga de Shapefiles del IGAC

A traves de la pagina del Sistema de Información geográfica para la planeación y el

ordenamiento territorial del IGAC -SIG-OT se obtuvieron los shapefiles del limite nacional

y de coberturas del año 2008,m (IGAC http://sigotn.igac.gov.co/sigotn/,2013.) Ver figura 9.

Figura 9. Pagina del SIG- OT

Fuente: Tomado de http://sigotn.igac.gov.co/sigotn/

http://sigotn.igac.gov.co/sigotn/,2013

http://sigotn.igac.gov.co/sigotn/

Calculo del Indice de Vegetación Normalizada - NDVI.

El indice de Vegetación Normalizada - NDVI se calculó en el Programa ARCGIS 10.1, a

traves de la opción Spatial Analyst Tools – Map Algebra – Raster Calculator. Ver Figura

10.

Figura 10. Calulo del NDVI

Fuente: Elaboración propia utilizando el programa ARCGIS

Para evitar la perdida de información se trabajo con el mosaico de las imágenes

correspondientes al territorio continental de colombia, luego se reaizó el corte con el limite

del pais de acuerdo al IGAC, a traves de Raster procesing – Clip. Ver (Imagen 11)

Figura 11. NDVI mosaico de imágenes y NDVI area contienetal Colombia


Calculo del area quemada

Existen muchos métodos para estimar el área quemada con el uso de la percepción remota

satelital, entre ellos clasificaciones no supervisadas y supervisadas de bandas originales o

índices NDVI (Rullán, Olthoff, Cama, Perez & Galindo) , en este trabajo se utilizó en

NDVI (Índice de Vegetación de Diferencia Normalizada) para estimar el área quemada, ya

que este índice ha sido ampliamente utilizado para detectar cambios en la vegetación

debido a que es calculado a partir de los valores de la reflectancia a distintas longitudes de

onda, y es particularmente sensible a la cubierta vegetal. Aunque en la mayoría de estos

trabajos se utilizan imágenes landsat para corroborar las áreas quemadas, en este trabajo

debido a que nuestra área de estudio (Colombia) presenta durante la mayor parte del año

gran nubosidad y a que la fecha seleccionada para este estudio fue el año 2009 y las

imágenes landsat de este año presentan bandas con las que se pierde mucha información, se

decidió realizar una clasificación supervisada en la que se ensayaron varios umbrales del

NDVI basados no solo en la literatura encontrada, sino también en un ejercicio realizado en

un área en la que se presentara un incendio de grandes dimensiones. El calculo del área

quemada se realizó en tres etapas.

Identificación de umbrales

Para identificar los pixeles que corresponden a área quemada, se obtuvo una imagen Modis

del mismo producto MOD13Q1 de un incendio forestal en el municipio de Puerto Gaitan

en el Departamento del Meta (Colombia) que se inició el 1 de febrero del año 2004 este

incendio afectó un área de 185.363,5725 Ha ver figura 12 , se utilizó esta área por ser un

incendio de grandes dimensiones y a que se estimó a través de imágenes Landsat (path 6

row 58). (Anaya & Chuvieco, 2012) Se decidio observar los valores de NDVI que se

encontraban en esta área y así definir umbrales de área quemada.

Se encontraron los valores de NDVI antes del incendio y después del incendio 17 de Enero,

2 de Febrero y 18 de febrero de 2004. Ver Figura 13 y 14.

Figura 12. Mapa de área quemada. La línea roja es el perímetro 1 de febrero de 2004.

Fuente: Elaboración propia con el programa Arcgis, información tomada de (Anaya & Chuvieco, 2012)

Para el 17 de enero se encontró un rango de valores entre valor mínimo 0,153043 y el

máximo 0,867554 como se puede ver en en la figura 13.

Figura 13. Valores de NDVI para el 17 de Enero de 2004 (antes del incendio), en el área afectada


Para el 2 de Febrero que fue la fecha posterior al incendio se encontró un rango de valores

entre valor mínimo 0,183551 y el máximo 0,846484 como se puede ver en en la figura 14.

Figura 14. Valores de NDVI para el 2 de Febrero de 2004 (después del incendio), en el área afectada


Figura 15. Valores de NDVI para el 18 de Febrero de 2004 (después del incendio), en el área afectada


Se calcularon los estadísticos del 18 de febrero a traves de un zonal Statistisc as Table

encontrando los siguientes Valores.

Tabla 4. estadísticos del área quemada 18 de febrero de 2004

MINIMO MAXIMO MEDIA

DESVIACIÓN

ESTANDAR

0,0626502 0,931947 0,355812 0,079541


Debido a que el producto MOD13Q1 es un compuesto de 16 días se puede observar en los

valores de NDVI que la imagen del 18 de febrero refleja mas la afectación sobre la zona

con valores de NDVI cercanos a cero. Por esta razón se decidió trabajar con la imagen del

18 de febrero de 2004.

De acuerdo a (Instituto cartográfico de Cataluña y a Chuvieco & Viedma) la vegetación

sana tiende a tener valores de NDVI altos (al presentar alta reflectividad en el infrarrojo

cercano y baja en el rojo) y las áreas quemadas se caracterizan por tener valores de NDVI

bajos (al reducirse su reflectividad en el infrarrojo cercano y aumentar en el rojo).

En la pagina del (Instituto cartográfico de Cataluña (http://www.icc.cat/esl/Home-

ICC/Mapas-escolares-y-divulgacion/Preguntas-y-respuestas/Que-es-NDVI) se muestran

unos rangos que definen el tipo de estado de la vegetación:

(NDVI < 0), correspondientes a agua o cubiertas artificiales.

(0 < NDVI < 0,2), correspondientes a suelo desnudo o vegetación muerta.

(0,2 < NDVI < 0,4), correspondientes a vegetación dispersa o poco vigorosa.

(0,4 < NDVI < 0,6), correspondientes a vegetación abundante y vigorosa.

(NDVI > 0,6), correspondientes a vegetación muy densa y vigorosa.

Teniendo en cuenta los valores de NDVI obtenidos en el área quemada en el incendio

ociurrido en el minucupio de Puerto Gaitan en el departamento del Meta y los datos

obtenidos por otros estudios como el realizado por el instituto cartográfico de Cataluña, se

probaron diferentes rangos para Colombia.

Esto se hizo utilizando el condicional de la calculadora raster asignando uno al rango

deseado:

Aplicación de umbrales (rango de valores) de NDVI encontrados en Puerto Gaitan.

Con((Float("ndvi_col") >= 0.0626502) & ( Float("ndvi_col") <= 0.931947),1)

Este condicional nos arrojo un mapa contenia un área muy elevada y que no toda

correspondia a área quemada esto se observa comparando estas áreas con las coberturas

este incluia zonas desnudas, sin o con poca vegetación esto se puede observar en el

departamento de la Guajira. Este rango incluyo valores de vegetación vigorosa tal como lo

indica (Instituto cartográfico de Cataluña (http://www.icc.cat/esl/Home-ICC/Mapas-

escolares-y-divulgacion/Preguntas-y-respuestas/Que-es-NDVI ver figura 16.

Con((Float("ndvi_col") >= 0.0626502) & ( Float("ndvi_col") <= 0.2),1)

Se puede observar que este aun incluye zonas desnudas en el departamento de la Guajira

Ver Figura 16.

http://www.icc.cat/esl/Home-ICC/Mapas-escolares-y-divulgacion/Preguntas-y-respuestas/Que-es-NDVI




Figura 16. NDVI entre 0.0626502 - 0.931947 y NDVI entre 0 – 0.2

Fuente: Elaboración propia utilizando el programa ARCGIS.

Con(("ndvi_col" <= 0.0626502),1)

Este condicional fue el que mayor se acerco, para elegir este rango se tuvo encuenta lo

encontrado por (Chuvieco & Viedma), aunque dentro de este rango según (Instituto

cartográfico de Cataluña (http://www.icc.cat/esl/Home-ICC/Mapas-escolares-y-

divulgacion/Preguntas-y-respuestas/Que-es-NDVI)corresponde a agua, al superponer este

mapa con las coberturas de colombia se pudo constatar que sí incluia pixeles que eran agua,

esto se tuvo en cuenta al realizar el calculo de las emisiones y no presentó ningún

inconveniente pues para estimar las emisiones se realiza un producto de valores que

incluyen la eficiencia de la combustión (BE) que para el caso del agua es 0 por lo que no

aparece en la tabla 1 (Mieville et al., 2010).



Figura 17. Pixeles con valores de NDVI menores a 0.0626502


Calculo del Area quemada.

El área quemada se caluló multiplicando el área del pixel por el numero de pixeles en cada

cobertura. Esto nos arrojo el área en metros cuadrados.

Factores de Emisión (EF), Densidad de la Biomasa (BD) y Eficiencia de la combustión

(BE).

Los factores de emisión estan dados por la relación entre la cantidad de contaminante

emitido a la atmosfera por una actividad establecida. En este trabajo se usaron los factores

de emisión de contaminantes asociados a los incendios forestales

(41)(Wiedinmyer,Quayle,Geron, Belote, McKenzie, Zhang, O´Neill, Wynne,2006) entre

ellos se encuentran CO2, CO, PM10, PM2,5, NOx, NH3, SO2 y CH4.

En esta metodología Las densidades de biomasa (BD), la eficiencia de combustión (BE), y

los factores de emisión (FE) de diferentes tipos de vegetación se obtuvieron a partir de

valores ya publicados, tabla 1, 2 y 3 (Wiedinmyer et al., 2006). Para ello fue necesario

establecer una correspondencia entre nuestras coberturas obtenidas del IGAC y las

encontradas en este documento. Para obtener los valores de los EF es necesario realizar

quemas en laboratorio y para los valores BD y BE se realizan midiendo en incendios reales,

lo que resulta poco viable a la hora de realizar un estudio de calculo de emisiones.

Dado que el mapa de coberturas del IGAC que se encuentra disponible en la pagina se se

elaboro con base en la metodología CORINE y los valores de BD, BE y EF que se

encuentran en (Wiedinmyer et al.,2006) están asociados a GLC2000 tabla 1,2 y 3, se hizo

una relación entre las dos coberturas para asi encontrar un acuerdo temático entre las dos,

es decir una correspondiencia entre GLC2000 y CORINE. Basados en en (Wiedinmyer et

al.,2006) y (Neumann, Herold, Hartley & Schullius, 2007). Ver tabla 5.

Tabla 5. Valores de BD, BE y EF para Colombia.

Calculo de las Emisiones

Para el calculo de las emisiones se utilizo la ecuación utilizada por (Wiedinmyer et

al.,2006) donde la emisión de una cobertura por incendios, E(X), se expresa como el

producto, para cada clase de vegetacióni, del área quemada BAi (en m 2

), la densidad de la

biomasa BDi (en kg m -2

), la eficiencia de combustión BEi y el factor de emisión de la

especie X, EFi (X):

∑

donde N es el número de clases de vegetación tomadas en cuenta.

Resultados y discusión

Area quemada

De acuerdo a la metodología utilizada se encontro para colombia un total de 215.598,52 Ha

de area quemada en las coberturas vegetales para un periodo de 16 días. La cobertura

bosques naturales fue la cobertura con mayor valor de area quemada con 90.544, 2 Ha

seguida por Pastos con 33.198,73 Ha. En el estudio realizado por anaya para el periodo

comprendido entre los años 2000 – 2006 se encontro un total de 4.643.100 Ha para

calombia, este valor es mayor al encontrado por nuestro estudio debido a que cubre un

rango de tiempo mayor, es decir varios años.

Tabla 6. Area quemada por cobertura.

COBERTURA AREA_QUEMADA_HA

Bosques naturales 90544,9354

Vegetación secundaria 9915,5991

Pastos 33198,7359

Herbazales 26826,3395

Áreas agrícolas heterogéneas 3473,4123

Hidrofitia continental 16325,5750

Herbáceas y arbustivas costeras 488,5324

Arbustales 13383,6430

Cultivos anuales o transitorios 5604,7025

TOTAL 215598,52

Fuente. Elaboración propia.

Emisiones

Tabla 7. Emisiones por incendios forestales por coberturas y contaminantes asociados. (Tg)

COBERTURA

AREA_H

A

BD_K

G/M2 BE E_CO E_CO2

E_PM1

0

E_PM2

_5

E_NOX E_NH3 E_SO2 E_CH4

Áreas urbanas

901,91 0

-

-

- -

- - - - -

Áreas

mayormente

alteradas

10,74 0

-

-

- -

- - - - -

Cultivos anuales

o transitorios

5.604,70 1

0,75

2,9425

63,6834

0,2900

0,2396 0,1009 0,0631 0,0168

0,0925

Cultivos

semipermanente

s y permanentes

193,27 1

0,75

0,1015

2,1960

0,0100

0,0083 0,0035 0,0022 0,0006

0,0032

Pastos

33.198,74 1,425

0,90

38,3196

694,0113

5,3222

4,0449 2,7675 0,2555 0,2129

1,3199

Áreas agrícolas

heterogéneas

3.473,41 0,44

0,60

0,8253

14,9468

0,1146

0,0871 0,0596 0,0055 0,0046

0,0284

Bosques

plantados

214,74 3,3

0,40

0,1984

4,6203

0,0196

0,0159 0,0091 0,0017 0,0014

0,0088

Bosques

naturales

90.544,94 23,35

0,25

618,410

6

8.393,470

2

66,0695

52,3271 6,8712 3,6999 4,2284

34,8847

Vegetación

secundaria

9.915,60 10

0,35

29,1519

565,6849

2,3946

1,9435 1,1105 0,2082 0,1735

1,0758

Arbustales

13.383,64 3,3

0,90

33,3895

647,9155

2,7427

2,2260 1,2720 0,2385 0,1987

1,2322

Herbazales

26.826,34 0,9

0,60

13,0376

236,1254

1,8108

1,3762 0,9416 0,0869 0,0724

0,4491

Zonas desnudas,

sin o con poca

vegetación

13.023,95 0

-

-

- -

- - - - -

COBERTURA

AREA_H

A

BD_K

G/M2 BE E_CO E_CO2

E_PM1

0

E_PM2

_5

E_NOX E_NH3 E_SO2 E_CH4

Afloramientos

rocosos

85,90 0

-

-

- -

- - - - -

Glaciares y

nieves

4.584,69 0

-

-

- -

- - - - -

Hidrofitia

continental

16.325,58 0

-

-

- -

- - - - -

Herbáceas y

arbustivas

costeras

488,53 0,9

0,60

0,2374

4,3001

0,0330

0,0251 0,0171 0,0016 0,0013

0,0055

Aguas

continentales

naturales

105.190,1

7 0

-

-

- -

- - - - -

Aguas

continentales

artificiales

4.198,16 0

-

-

- -

- - - - -

Lagunas

costeras

13.378,27 0

-

-

- -

- - - - -

Los resultados muestran que la mayor emisión de gases se presenta en bosques naturales

debido a que la densidad de la biomasa - BD es mayor para la cobertura de bosques

naturales que para las demas coberturas.

En (Anaya, 2009) se utilizó una metodología similar a la realizada en este trabajo, pero con

diferentes datos y para diferentes años (2000 al 2006), lo que no nos permite hacer una

comparación puntual con los valores obtenidos en este estudio. Ya que los valores utilizado

en este trabajo fueron para el mes de septiembre de 2009. En la medida en que se

incrementan los datos se pueden tener estimaciones mas exactas de las emisiones, por otro

lado los factores de emisión fueron tomados de estudios publicados, los cuales fueron

estimados en otras zonas, lo ideal seria obtener factores de emisión que sean calculados

para la zona de estudio, en nuestro caso en Colombia.

Tabla 8. Valores de Emision para colombia obtenidos por Anaya.

Año 2001 2002 2003 2004 2005 2006 Promedio

PM25 0,0519 0,0569 0,0476 0,0619 0,032 0,0322 0,0471

NMHC 0,0241 0,0262 0,0221 0,0285 0,0148 0,0155 0,0218

CH4 0,0131 0,014 0,0119 0,0152 0,008 0,009 0,0119

CO 0,5707 0,6273 0,5246 0,6799 0,3555 0,3608 0,5198

CO2 10,4661 11,5083 9,6234 12,4774 6,5375 6,1032 9,4527

Fuente: Anaya 2009

Tabla 9. Valores en Tg durante el mes de septiembre de 2009.

Fecha Septiembre 2009

CH4 39,100167

CO 736,61427

CO2 10626,95404

PM2_5 62,293429


Se puede observar que los valores encontrados en este estudio superan los valores

encontrados por Anaya, una de las razones es que durante el mes de septiembre del año

2009 fue el mes mas seco de los ultimos 31 según reportó en IDEAM (Instituto de

Hidrología, Meteorología y Estudios Ambientales), (IDEAM 2009). Por otro lado Aunque

(Anaya, 2009) aplicó el modelo de (Seiler y Crutzen, 1980), el mismo modelo

implementado en este trabajo, en su trabajo Anaya realizó diversas propuestas

metodológicas para obtener las variables requeridas por el modelo entre ellas, para estimar

la carga de combustible utilizó datos de campo, en nuestro trabajo no se utilizaron datos

tomados en campo.

Aunque la cobertura vegetal hidrofitia continental presenta valores considrables de area

quemada esta no tiene valores de emisiones debido a que su densidad de biomasa y la

eficiencia de la combustion es cero (0).

Las coberturas que arrojan mayores valores de emisiones de CO2 son bosques naturales,

pastos, y arbustales respectivamente. Esto debido a que tienen mayores areas y mayores

valores de densidad de biomasa. Estos resultados coinciden con los encontrados por

(Wiedinmyer et al.,2006) quienes encontraron que entre las coberturas con mayor aporte de

emisiones se encuentran los pastizales y tierras de cultivo.

El CO2 es el gas de efecto invernadero que se emite en mayor cantidad en durante los

incedios forestales, en tal como se puede observar en tabla 8. En la figura 18 se pueden ver

los rangos de valores de CO2 encontrados en este trabajo.

Figura 18. Áreas quemadas y estimación de CO2 emitido en Tg.

Fuente: Elaboración propia con el programa Arcgis.

En la figura aterior se observa los lugares y los rangos de emisiones de CO2 en teragramos

(Tg) el color verde (0) estan asociados a zonas desnudas ,areas urbanas y cuerpos de agua,

los puntos rojos coresponde a las zonas en las que existe mayor concentración de CO2

Los resultados obtenidos en el calculo de las emisiones nos muestra que los incendios de

bosques naturales son los que mayor aporte hacen correspecto a los gases de efecto

inverdero. Las otras coberturas que presentan altos valores de emisiones de gases son la

pastos y la vegetación secundaria. Ver tabla 7.

CONCLUSIONES

En este trabajo se muestra una metodología para estimar de manera indirecta las emisiones

por incendios forestales para Colombia a partir de imágenes satelitales de las cuales se

pueden obtener fácilmente a través del portal del Servicio Geológico de los Estados Unidos

(USGS) estas no tienen costo para los usuarios que se registren en esta pagina. Al

comparar los resultados obtenidoscon otros estudios realizados, se observa que las

emisiones de los incendios pueden variar significativamente de un año a otro y de una

región a otra. Lo cual sugiere que para realizar comparaciones se deben incluir como

variables no solo el espacio, sino también el tiempo en que ocurren los incendios. Debido a

lo reciente de las metodologías con sensores remotos, aun se hace importante tener

información de zonas quemadas preferiblemente polígonos medidos en campo para poder

tener referencia de los valores de los índices en esta zona.

El NDVI es un índice que se utiliza para evaluar el estado de la vegetación y que se ha

venido usando como un indidor de área quemada, los valores de este varian acorde con la

cobertura vegetal existen y a la condición en la que esta se encuentre. Cuando se calcula,

existen coberturas como cuerpos de agua, nieve y zonas desnudas que se ubican en el

mismo rango que los valores de área quemada. Con lo que se pueden incurrir en sobre

estimación de las áreas quemadas. (esto al estimar las emisiones no causa problemos

porque los valores de BD son Cero).

Realizar estudios detallados de emisiones de incendios forestales en los cuales se

establezcan los factores de emision y la densidad de la biomasa tanto en campo como en

laboratorio resulta muy costoso y requiere mucho tiempo. Con la implementación de

metodolgias indirectas se pueden hacer estimaciones de las emisones razonables a menores

costos y en menor tiempo.

La dificultad para obtener resultados más contundentes se debe a la falta de información,

en Colombia, aun no existe una entidad que se encargue de medir las áreas quemadas, en el

mejor de los casos toman un punto y esto no nos permite tener una idea de la dimensión del

incendio. Con información de polignos en los que con certeza se establezca un área

quemada por un incendio forestal, se puede obtienen valores de NDVI mas precisos. Los

gases que se liberan durante un incendio forestal son contaminantes que no solo afectan la

calidad del aire sino también la salud los habitantes tanto de la zona donde ocurren sino de

todo el país a pesar de esto y aunque en Colombia se presentan incendios considerables

cada año aun las entidades encargadas de hacer los reportes de las áreas no cuentan con un

protocolo atraves del cual se pueda estimar el área afectada y las emisiones producidas. En

el área metropolitana de Medellín recientemente (2013) se están realizando convenios con

otras entidades, enfocados hacia la prevención del riesgo de desatre en los cuales se tiene

presente por parte de la entidad la importancia de cuantificar la contaminación generada por

incendios forestales en el valle de Aburra (Área metropolitana). El primer paso ya se dio al

generar el Área Mtropolitana un protocolo de evaluación de incendios forestales para

desarrollar en campo el cual incluye la medición del área con Gps. Este protocolo ya fue

revisado por el IDEAM y esta en el proceso de correcciones sugeridads por el IDEAM.

Al tener imágenes de antes y después del o los incendios, se puede observar la variación en

los valores del NDVI. En nuestro caso pudimos notar que los valores de NDVI antes del

incedio (17 de Enero) son mayores que los valors encontrados después del incendio (18 de

febrero).

BIBLIOGRAFÍA.

Dolors Armenteras-Pascual, Javier Retana-Alumbreros, Roberto Molowny-Horas, Rosa

María Roman-Cuesta, Federico Gonzalez-Alonso, Mónica Morales-Rivas, Characterising

fire spatial pattern interactions with climate and vegetation in Colombia, Agricultural and

Forest Meteorology, Volume 151, Issue 3, 15 March 2011, Pages 279-289.

Sumaia Saldanha de Vasconcelos, Philip Martin Fearnside, Paulo Maurício Lima de

Alencastro Graça, Euler Melo Nogueira, Luis Cláudio de Oliveira, Evandro Orfanó

Figueiredo, Forest fires in southwestern Brazilian Amazonia: Estimates of area and

potential carbon emissions, Forest Ecology and Management, Volume 291, 1 March 2013,

Pages 199-208.

Bärbel Langmann, Bryan Duncan, Christiane Textor, Jörg Trentmann, Guido R. van der

Werf, Vegetation fire emissions and their impact on air pollution and climate, Atmospheric

Environment, Volume 43, Issue 1, January 2009, Pages 107-116.

P. Crutzen, M. Andreae, Biomass burning in the tropics: impact on atmospheric chemistry

and biogeochemical cycles, Science, 250 (1990), pp. 1669–1678.

A. Mieville, C. Granier, C. Liousse, B. Guillaume, F. Mouillot, J.-F. Lamarque, J.-M.

Grégoire, G. Pétron, Emissions of gases and particles from biomass burning during the 20th

century using satellite data and an historical reconstruction, Atmospheric Environment,

Volume 44, Issue 11, April 2010, Pages 1469-1477.

Robert J. Zomer, Antonio Trabucco, Deborah A. Bossio, Louis V. Verchot, Climate change

mitigation: A spatial analysis of global land suitability for clean development mechanism

aff orestation and reforestation, Agriculture, Ecosystems & Environment, Volume

126, Issues 1–2, June 2008, Pages 67-80.

T.G. Soares Neto, J.A. Carvalho Jr., E.V. Cortez, R.G. Azevedo, R.A. Oliveira, W.R.R.

Fidalgo, J.C. Santos, Laboratory evaluation of Amazon forest biomass burning emissions,

Atmospheric Environment, Volume 45, Issue 39, December 2011, Pages 7455-7461.

Yude Pan, Richard Birdsey, John Hom, Kevin McCullough, Separating effects of changes

in atmospheric composition, climate and land-use on carbon sequestration of U.S. Mid-

Atlantic temperate forests, Forest Ecology and Management, Volume 259, Issue 2, 15

December 2009, Pages 151-164.

Margarida L.R. Liberato, Elena Paoletti, Carlos C. DaCamara, Climate Changes and

Forests, Forest Ecology and Management, Volume 262.

Mariano García, David Riaño, Emilio Chuvieco, F. Mark Danson, Estimating biomass

carbon stocks for a Mediterranean forest in central Spain using LIDAR height and intensity

data, Remote Sensing of Environment, Volume 114, 2010.

Hari Hari Bansha Dulal, Sameer Akbar, Greenhouse gas emission reduction options for

cities: Finding the “Coincidence of Agendas” between local priorities and climate change

mitigation objectives, Habitat International, Available online 18 June 2012.

Y.J. Zhang, A.J. Li, T. Fung, Using GIS and Multi-criteria Decision Analysis for Conflict

Resolution in Land Use Planning, Procedia Environmental Sciences, Volume 13, 2012,

Pages 2264-2273

Carolina Perpiña, José Carlos Martínez-Llario, Ángel Pérez-Navarro, Multicriteria

assessment in GIS environments for siting biomass plants, Land Use Policy, Available

online 16 October 2012.

Weijie Liu, Bai Zhang, Zongming Wang, Kaishan Song, Dianwei Liu, Chunying Ren, Jia

Du, Development of a GIS-based decision support system for eco-environment and natural

resources of Northeast Asia, Procedia Environmental Sciences, Volume 2, 2010, Pages

906-913

Ben de Jong, Carlos Anaya, Omar Masera, Marcela Olguín, Fernando Paz, Jorge Etchevers,

René D. Martínez, Gabriela Guerrero, Claudio Balbontín, Greenhouse gas emissions

between 1993 and 2002 from land-use change and forestry in Mexico, Forest Ecology and

Management, Volume 260, Issue 10, 15 October 2010, Pages 1689-1701.

Ross S. Lunetta, Yang Shao, Jayantha Ediriwickrema, John G. Lyon, Monitoring

agricultural cropping patterns across the Laurentian Great Lakes Basin using MODIS-

NDVI data, International Journal of Applied Earth Observation and Geoinformation 12

(2010) 81–88.

Robin Pouteau, Serge Rambal, Jean-Pierre Ratte, Fabien Gogé, Richard Joffre, Thierry

Winkel, Downscaling MODIS-derived maps using GIS and boosted regression trees: The

case of frost occurrence over the arid Andean highlands of Bolivia, Remote Sensing of

Environment 115 (2011) 117–129.

L. Czerepowicz, B.S. Case, C. Doscher, Using satellite image data to estimate aboveground

shelterbelt carbon stocks across an agricultural landscape, Agriculture, Ecosystems &

Environment, Volume 156, 1 August 2012, Pages 142-150.

Patrick Gonzalez, Gregory P. Asner, John J. Battles, Michael A. Lefsky, Kristen M.

Waring, Michael Palace, Forest carbon densities and uncertainties from Lidar, QuickBird,

and field measurements in California, Remote Sensing of Environment, Volume 114, Issue

7, 15 July 2010, Pages 1561-1575.

V. Ramanathan, Y. Feng, Air pollution, greenhouse gases and climate change: Global and

regional perspectives, Atmospheric Environment 43 (2009) 37–50.

Susan G. Conard and Galina A. Ivanova, Wildfire in russian boreal forests potential

impacts of fire regime characteristics on emissions and global carbon balance estimates,

Environmental Pollution 1997, Vol. 98, No. 3, pp. 305±313.

R.A Houghton, Carbon emissions and the drivers of deforestation and forest degradation in

the tropics, Current Opinion in Environmental Sustainability, Volume 4, Issue 6, December

2012, Pages 597-603.

Y.-H. Zhang, M.J. Wooster, O. Tutubalina, G.L.W. Perry, Monthly burned area and forest

fire carbon emission estimates for the Russian Federation from SPOT VGT, Remote

Sensing of Environment, Volume 87, Issue 1, 15 September 2003, Pages 1-15.

A. Carvalho, A. Monteiro, M. Flannigan, S. Solman, A.I. Miranda, C. Borrego, Forest fires

in a changing climate and their impacts on air quality, Atmospheric Environment, Volume

45, Issue 31, October 2011, Pages 5545-5553.

S.Wang, Y. Zhou, & L. Wang, A research on fire automatic recognition using MODIS data.

In: IEEE International Geoscience and Remote Sensing Symposium, (2003). (IGARSS03),

4. Toulouse, France: IGARSS. 2502–2504.

Patrick H. Freeborn, Martin J. Wooster, Gareth Roberts, Addressing the spatiotemporal

sampling design of MODIS to provide estimates of the fire radiative energy emitted from

Africa, Remote Sensing of Environment, Volume 115, Issue 2, 15 February 2011, Pages

475-489.

Wisdom M. Dlamini, Characterization of the July 2007 Swaziland fire disaster using

satellite remote sensing and GIS, Applied Geography 29 (2009) 299–307.

Silvia Merino-de-Miguel, Margarita Huesca, Federico González-Alonso, reflectancia

MODIS de incendios activos y los datos para el mapeo de quemadura y evaluación a nivel

regional, Ecological Modelling, Volume 221, Issue 1, 10 de enero de 2010, páginas 67-74.

Krishna Prasad Vadrevu, Evan Ellicott, K.V.S. Badarinath, Eric Vermote, MODIS derived

fire characteristics and aerosol optical depth variations during the agricultural residue

burning season, north India, Environmental Pollution, Volume 159, Issue 6, June 2011,

Pages 1560-1569.

Eduardo Eiji Maeda, Antonio Roberto Formaggio, Yosio Edemir Shimabukuro,Gustavo

Felipe Balue´ Arcoverde, Matthew C. Hansen Predicting forest fire in the Brazilian

Amazon using MODIS imagery and artificial neural networks, International Journal of

Applied Earth Observation and Geoinformation 11 (2009) 265–272.

Jean-François Mas (coordinador) Aplicaciones del sensor MODIS para el monitoreo del

territorio, Secretaría de Medio Ambiente y Recursos Naturales (Semarnat), Instituto

Nacional de Ecología (INE), Universidad Nacional Autónoma de México (UNAM) Centro

de Investigaciones en Geografía Ambiental (CIGA), 2011.

O. Rodriguez y H. Arredondo, Manual para el manejo y procesamiento de imágenes

satelitales obtenidas del sensor remoto MODIS de la NASA, aplicado en estudios de

Ingeniería Civil, 2005.

L. Taborda, Detección de emisiones generadas por incendios forestales y quema de

residuos agrícolas a partir de la energía y la potencia radiactiva del fuego, 2013.

Instituto Nacional de Pesquisas Espaciais (http://www.inpe.br/).

http://www.inpe.br/

Mauricio Edilberto Rincón-Romero, Andy Jarvis, Mark Mulligan, Cobertura Vegetal de

Colombia Actualizada a Partir de Imágenes Modis, Disponible a Través de Renata, Vol. 2,

pp 12.

J. Barrero, L. Giraldo implementación de una red neuronal para la clasificación de

coberturas terrestres en imágenes Modis, 2012.

M. Bastidasa,b y E. Rodríguez-Rubio, Validación de la concentración de clorofila a

generada por el sensor modis-aqua con datos in situ en el pacífico colombiano, REVISTA

COLOMBIANA DE FÍSICA, VOL. 38, No. 2. 2006.

Jimmy A. Navia, Olga L. Baquero, Diseño e implementación de una metodología para el

monitoreo de los cuerpos de agua en la región de la Mojana, utilizando productos MODIS y

software libre.

J. Anaya, E. Chuvieco, A. Palacios, Método basado en teledección para estimar la emisión

de gases efecto invernadero por quema de biomasa, Revista Ingenierias Universidad de

Medellin, pp 13-18.

W. Seiler, y P.J. Crutzen, “Estimates of gross and net fluxes of carbon between the

biosphere and the atmosphere from biomass burning,” Climate Change, Vol. 2, pp 207-247,

1980.

Christine Wiedinmyer, Brad Quayle, Chris Geron, Angie Belote, Don McKenzie, Xiaoyang

Zhang, Susan O’Neill, Kristina Klos Wynne, Estimating emissions from fires in North

America for air quality modeling, Atmospheric Environment, Volume 40, Issue 19, June

2006, Pages 3419-3432.

J. Anaya, Estimación mensual de emisiones por biomasa quemada para Colombia basado

en imágenes de satélite, 2009.

The United States Geological Survey (USGS) http://glovis.usgs.gov/ , 2013.

C. Hinestroza Mejoramiento de la calidad de imágenes MODIS por medio de series de

tiempo usando la herramienta TiSeG, 2012.

Instituto Geográfico Agustin Codazzi http://sigotn.igac.gov.co/sigotn/,2013.

C. Rullán, A. Olthoff, L. Cama, E. Perez, A. Galindo, Discriminación de umbrales de áreas

quemadas mediante imágenes Landsat TM, en la reserva de la Biosfera Pantnos de Centla.

Wildfire today http://wildfiretoday.com/2013/08/21/california-rim-fire-west-of-yosemite-

np/, 2013.

Incident Information Sistem http://www.inciweb.org/incident/3660/, 2013.

Instituto cartográfico de Cataluña (http://www.icc.cat/esl/Home-ICC/Mapas-escolares-y-

divulgacion/Preguntas-y-respuestas/Que-es-NDVI)


http://sigotn.igac.gov.co/sigotn/

http://wildfiretoday.com/2013/08/21/california-rim-fire-west-of-yosemite-np/

http://wildfiretoday.com/2013/08/21/california-rim-fire-west-of-yosemite-np/



E. Chuvieco, O. Viedma, Cartografía y Evaluación de Daños Causados por Incendios

Forestales Mediante Técnicas de Teledetección.

K. Neumann, M. Herold, A. Hartley, C. Schmullius, Comparative assessment of

CORINE2000 and GLC2000: Spatial analysis of land cover data for Europe, International

Journal of Applied Earth Observation and Geoinformation, Volume 9, Issue 4, December

2007, Pages 425-437.

IDEAM, Informe – Fenómeno de El Niño, segunda temporada de lluvias. Colombia.Julio‐

octubre 2009.

J. Anaya, E. Chuvieco, Accuracy Assessment of Burned AreaProducts in the Orinoco

Basin, Photogrammetric Engineering & Remote Sensing Vol. 78, No. 1, January 2012, pp.

53–60.

INCENDIOS FORESTALES UTILIZANDO IMÁGENES MODIS...

Documents

Transcript of INCENDIOS FORESTALES UTILIZANDO IMÁGENES MODIS...