Search

[EN] Sandy areas are the main problem in regions of arid and semi-arid climate in the world that threaten urban life, buildings, agricultural, and even human health. Remote sensing is one of the technologies that can be used as an effective tool in dynamic features study of sandy areas and sand accumulations. In this study, two new indices were developed to separate the sandy areas from the non-sandy areas. The first one is called the Normalized Differential Sandy Areas Index (NDSAI) that has been based on the assumption that the sandy area has the lowest water content (moisture) than the other land cover classes. The second other is called the Sandy Areas Surface Temperature index (SASTI) which was built on the assumption that the surface temperature of sandy soil is the highest. The results of proposed indices have been compared with two indices that were previously proposed by other researchers, namely the Normalized Differential Sand Dune Index NDSI and the Eolain Mapping Index (EMI). The accuracy assessment of the sandy indices showed that the NDSAI provides very good performance with an overall accuracy of 89 %. The SASTI can isolate many sandy and non-sandy pixels with an overall accuracy about 86 %. The performance of the NDSI is low with an overall accuracy about 82 %. It fails to classify or isolate the vegetation area from the sandy area and might have better performance in desert environments. The performing of NDSAI that is calculated with the SWIR1 band of the Landsat satellite is better than the performing of NDSI that is calculated with the SWIR2 band of the same satellite. EMI performance is less robust than other methods as it is not useful for extracting sandy surfaces in area with different land covers. Change detection techniques were used by comparing the areas of the sandy lands for the periods from 1987 to 2017. The results showed an increase in sandy areas over four decades. The percentage of this increase was about 20 % to 30 % during 2002, [ES] Las áreas arenosas son el principal problema en las regiones de clima árido y semiárido del mundo que amenazan la vida urbana, los edificios, la agricultura e incluso la salud humana. La teledetección es una de las tecnologías que puede utilizarse como una herramienta eficaz en el estudio de características dinámicas de áreas arenosas y acumulaciones de arena. En este estudio, se desarrollaron dos nuevos índices para separar las áreas arenosas de las áreas no arenosas. El primero llamado Índice de áreas arenosas diferenciales normalizadas (NDSAI), que se ha basado en el supuesto de que el área arenosa tiene el contenido de agua (humedad) más bajo que las otras clases de cobertura del suelo. El segundo llamado índice de temperatura superficial de las áreas arenosas (SASTI), que se basa en el supuesto de que la temperatura superficial del suelo arenoso es la más alta. Estos nuevos índices se han comparado con dos índices propuestos previamente por otros investigadores, a saber, el Índice de dunas de arena diferencial normalizado NDSI y el Eolain Mapping Index (EMI). La evaluación de la precisión de los índices arenosos mostró que el índice NDSAI proporciona un buen desempeño con una precisión general del 89 %. El índice SASTI puede extraer muchos píxeles arenosos y no arenosos con una precisión general del 86 %. El rendimiento del índice NDSI es pobre, con una precisión general del 82 %, no puede clasificar o aislar el área de vegetación del área arenosa y tal vez funcione mejor en entornos desérticos. El índice NDSAI calculado con la banda SWIR1 del satélite Landsat generó resultados más precisos que el NDSI calculado con la banda SWIR2 del mismo satélite. El índice EMI utilizado fue menos robusto que los otros métodos ya que no ha logrado extraer áreas arenosas con una precisión aceptable en áreas con diversas coberturas terrestres. Se utilizaron técnicas de detección de cambios para analizar las áreas de las tierras arenosas para los períodos de 1987 a 2017. L

[EN] Sandy areas are the main problem in regions of arid and semi-arid climate in the world that threaten urban life, buildings, agricultural, and even human health. Remote sensing is one of the technologies that can be used as an effective tool in dynamic features study of sandy areas and sand accumulations. In this study, two new indices were developed to separate the sandy areas from the non-sandy areas. The first one is called the Normalized Differential Sandy Areas Index (NDSAI) that has been based on the assumption that the sandy area has the lowest water content (moisture) than the other land cover classes. The second other is called the Sandy Areas Surface Temperature index (SASTI) which was built on the assumption that the surface temperature of sandy soil is the highest. The results of proposed indices have been compared with two indices that were previously proposed by other researchers, namely the Normalized Differential Sand Dune Index NDSI and the Eolain Mapping Index (EMI). The accuracy assessment of the sandy indices showed that the NDSAI provides very good performance with an overall accuracy of 89 %. The SASTI can isolate many sandy and non-sandy pixels with an overall accuracy about 86 %. The performance of the NDSI is low with an overall accuracy about 82 %. It fails to classify or isolate the vegetation area from the sandy area and might have better performance in desert environments. The performing of NDSAI that is calculated with the SWIR1 band of the Landsat satellite is better than the performing of NDSI that is calculated with the SWIR2 band of the same satellite. EMI performance is less robust than other methods as it is not useful for extracting sandy surfaces in area with different land covers. Change detection techniques were used by comparing the areas of the sandy lands for the periods from 1987 to 2017. The results showed an increase in sandy areas over four decades. The percentage of this increase was about 20 % to 30 % during 2002, [ES] Las áreas arenosas son el principal problema en las regiones de clima árido y semiárido del mundo que amenazan la vida urbana, los edificios, la agricultura e incluso la salud humana. La teledetección es una de las tecnologías que puede utilizarse como una herramienta eficaz en el estudio de características dinámicas de áreas arenosas y acumulaciones de arena. En este estudio, se desarrollaron dos nuevos índices para separar las áreas arenosas de las áreas no arenosas. El primero llamado Índice de áreas arenosas diferenciales normalizadas (NDSAI), que se ha basado en el supuesto de que el área arenosa tiene el contenido de agua (humedad) más bajo que las otras clases de cobertura del suelo. El segundo llamado índice de temperatura superficial de las áreas arenosas (SASTI), que se basa en el supuesto de que la temperatura superficial del suelo arenoso es la más alta. Estos nuevos índices se han comparado con dos índices propuestos previamente por otros investigadores, a saber, el Índice de dunas de arena diferencial normalizado NDSI y el Eolain Mapping Index (EMI). La evaluación de la precisión de los índices arenosos mostró que el índice NDSAI proporciona un buen desempeño con una precisión general del 89 %. El índice SASTI puede extraer muchos píxeles arenosos y no arenosos con una precisión general del 86 %. El rendimiento del índice NDSI es pobre, con una precisión general del 82 %, no puede clasificar o aislar el área de vegetación del área arenosa y tal vez funcione mejor en entornos desérticos. El índice NDSAI calculado con la banda SWIR1 del satélite Landsat generó resultados más precisos que el NDSI calculado con la banda SWIR2 del mismo satélite. El índice EMI utilizado fue menos robusto que los otros métodos ya que no ha logrado extraer áreas arenosas con una precisión aceptable en áreas con diversas coberturas terrestres. Se utilizaron técnicas de detección de cambios para analizar las áreas de las tierras arenosas para los períodos de 1987 a 2017. L

[EN] Sandy areas are the main problem in regions of arid and semi-arid climate in the world that threaten urban life, buildings, agricultural, and even human health. Remote sensing is one of the technologies that can be used as an effective tool in dynamic features study of sandy areas and sand accumulations. In this study, two new indices were developed to separate the sandy areas from the non-sandy areas. The first one is called the Normalized Differential Sandy Areas Index (NDSAI) that has been based on the assumption that the sandy area has the lowest water content (moisture) than the other land cover classes. The second other is called the Sandy Areas Surface Temperature index (SASTI) which was built on the assumption that the surface temperature of sandy soil is the highest. The results of proposed indices have been compared with two indices that were previously proposed by other researchers, namely the Normalized Differential Sand Dune Index NDSI and the Eolain Mapping Index (EMI). The accuracy assessment of the sandy indices showed that the NDSAI provides very good performance with an overall accuracy of 89 %. The SASTI can isolate many sandy and non-sandy pixels with an overall accuracy about 86 %. The performance of the NDSI is low with an overall accuracy about 82 %. It fails to classify or isolate the vegetation area from the sandy area and might have better performance in desert environments. The performing of NDSAI that is calculated with the SWIR1 band of the Landsat satellite is better than the performing of NDSI that is calculated with the SWIR2 band of the same satellite. EMI performance is less robust than other methods as it is not useful for extracting sandy surfaces in area with different land covers. Change detection techniques were used by comparing the areas of the sandy lands for the periods from 1987 to 2017. The results showed an increase in sandy areas over four decades. The percentage of this increase was about 20 % to 30 % during 2002, [ES] Las áreas arenosas son el principal problema en las regiones de clima árido y semiárido del mundo que amenazan la vida urbana, los edificios, la agricultura e incluso la salud humana. La teledetección es una de las tecnologías que puede utilizarse como una herramienta eficaz en el estudio de características dinámicas de áreas arenosas y acumulaciones de arena. En este estudio, se desarrollaron dos nuevos índices para separar las áreas arenosas de las áreas no arenosas. El primero llamado Índice de áreas arenosas diferenciales normalizadas (NDSAI), que se ha basado en el supuesto de que el área arenosa tiene el contenido de agua (humedad) más bajo que las otras clases de cobertura del suelo. El segundo llamado índice de temperatura superficial de las áreas arenosas (SASTI), que se basa en el supuesto de que la temperatura superficial del suelo arenoso es la más alta. Estos nuevos índices se han comparado con dos índices propuestos previamente por otros investigadores, a saber, el Índice de dunas de arena diferencial normalizado NDSI y el Eolain Mapping Index (EMI). La evaluación de la precisión de los índices arenosos mostró que el índice NDSAI proporciona un buen desempeño con una precisión general del 89 %. El índice SASTI puede extraer muchos píxeles arenosos y no arenosos con una precisión general del 86 %. El rendimiento del índice NDSI es pobre, con una precisión general del 82 %, no puede clasificar o aislar el área de vegetación del área arenosa y tal vez funcione mejor en entornos desérticos. El índice NDSAI calculado con la banda SWIR1 del satélite Landsat generó resultados más precisos que el NDSI calculado con la banda SWIR2 del mismo satélite. El índice EMI utilizado fue menos robusto que los otros métodos ya que no ha logrado extraer áreas arenosas con una precisión aceptable en áreas con diversas coberturas terrestres. Se utilizaron técnicas de detección de cambios para analizar las áreas de las tierras arenosas para los períodos de 1987 a 2017. L

[EN] Sandy areas are the main problem in regions of arid and semi-arid climate in the world that threaten urban life, buildings, agricultural, and even human health. Remote sensing is one of the technologies that can be used as an effective tool in dynamic features study of sandy areas and sand accumulations. In this study, two new indices were developed to separate the sandy areas from the non-sandy areas. The first one is called the Normalized Differential Sandy Areas Index (NDSAI) that has been based on the assumption that the sandy area has the lowest water content (moisture) than the other land cover classes. The second other is called the Sandy Areas Surface Temperature index (SASTI) which was built on the assumption that the surface temperature of sandy soil is the highest. The results of proposed indices have been compared with two indices that were previously proposed by other researchers, namely the Normalized Differential Sand Dune Index NDSI and the Eolain Mapping Index (EMI). The accuracy assessment of the sandy indices showed that the NDSAI provides very good performance with an overall accuracy of 89 %. The SASTI can isolate many sandy and non-sandy pixels with an overall accuracy about 86 %. The performance of the NDSI is low with an overall accuracy about 82 %. It fails to classify or isolate the vegetation area from the sandy area and might have better performance in desert environments. The performing of NDSAI that is calculated with the SWIR1 band of the Landsat satellite is better than the performing of NDSI that is calculated with the SWIR2 band of the same satellite. EMI performance is less robust than other methods as it is not useful for extracting sandy surfaces in area with different land covers. Change detection techniques were used by comparing the areas of the sandy lands for the periods from 1987 to 2017. The results showed an increase in sandy areas over four decades. The percentage of this increase was about 20 % to 30 % during 2002, [ES] Las áreas arenosas son el principal problema en las regiones de clima árido y semiárido del mundo que amenazan la vida urbana, los edificios, la agricultura e incluso la salud humana. La teledetección es una de las tecnologías que puede utilizarse como una herramienta eficaz en el estudio de características dinámicas de áreas arenosas y acumulaciones de arena. En este estudio, se desarrollaron dos nuevos índices para separar las áreas arenosas de las áreas no arenosas. El primero llamado Índice de áreas arenosas diferenciales normalizadas (NDSAI), que se ha basado en el supuesto de que el área arenosa tiene el contenido de agua (humedad) más bajo que las otras clases de cobertura del suelo. El segundo llamado índice de temperatura superficial de las áreas arenosas (SASTI), que se basa en el supuesto de que la temperatura superficial del suelo arenoso es la más alta. Estos nuevos índices se han comparado con dos índices propuestos previamente por otros investigadores, a saber, el Índice de dunas de arena diferencial normalizado NDSI y el Eolain Mapping Index (EMI). La evaluación de la precisión de los índices arenosos mostró que el índice NDSAI proporciona un buen desempeño con una precisión general del 89 %. El índice SASTI puede extraer muchos píxeles arenosos y no arenosos con una precisión general del 86 %. El rendimiento del índice NDSI es pobre, con una precisión general del 82 %, no puede clasificar o aislar el área de vegetación del área arenosa y tal vez funcione mejor en entornos desérticos. El índice NDSAI calculado con la banda SWIR1 del satélite Landsat generó resultados más precisos que el NDSI calculado con la banda SWIR2 del mismo satélite. El índice EMI utilizado fue menos robusto que los otros métodos ya que no ha logrado extraer áreas arenosas con una precisión aceptable en áreas con diversas coberturas terrestres. Se utilizaron técnicas de detección de cambios para analizar las áreas de las tierras arenosas para los períodos de 1987 a 2017. L

[EN] Sandy areas are the main problem in regions of arid and semi-arid climate in the world that threaten urban life, buildings, agricultural, and even human health. Remote sensing is one of the technologies that can be used as an effective tool in dynamic features study of sandy areas and sand accumulations. In this study, two new indices were developed to separate the sandy areas from the non-sandy areas. The first one is called the Normalized Differential Sandy Areas Index (NDSAI) that has been based on the assumption that the sandy area has the lowest water content (moisture) than the other land cover classes. The second other is called the Sandy Areas Surface Temperature index (SASTI) which was built on the assumption that the surface temperature of sandy soil is the highest. The results of proposed indices have been compared with two indices that were previously proposed by other researchers, namely the Normalized Differential Sand Dune Index NDSI and the Eolain Mapping Index (EMI). The accuracy assessment of the sandy indices showed that the NDSAI provides very good performance with an overall accuracy of 89 %. The SASTI can isolate many sandy and non-sandy pixels with an overall accuracy about 86 %. The performance of the NDSI is low with an overall accuracy about 82 %. It fails to classify or isolate the vegetation area from the sandy area and might have better performance in desert environments. The performing of NDSAI that is calculated with the SWIR1 band of the Landsat satellite is better than the performing of NDSI that is calculated with the SWIR2 band of the same satellite. EMI performance is less robust than other methods as it is not useful for extracting sandy surfaces in area with different land covers. Change detection techniques were used by comparing the areas of the sandy lands for the periods from 1987 to 2017. The results showed an increase in sandy areas over four decades. The percentage of this increase was about 20 % to 30 % during 2002, [ES] Las áreas arenosas son el principal problema en las regiones de clima árido y semiárido del mundo que amenazan la vida urbana, los edificios, la agricultura e incluso la salud humana. La teledetección es una de las tecnologías que puede utilizarse como una herramienta eficaz en el estudio de características dinámicas de áreas arenosas y acumulaciones de arena. En este estudio, se desarrollaron dos nuevos índices para separar las áreas arenosas de las áreas no arenosas. El primero llamado Índice de áreas arenosas diferenciales normalizadas (NDSAI), que se ha basado en el supuesto de que el área arenosa tiene el contenido de agua (humedad) más bajo que las otras clases de cobertura del suelo. El segundo llamado índice de temperatura superficial de las áreas arenosas (SASTI), que se basa en el supuesto de que la temperatura superficial del suelo arenoso es la más alta. Estos nuevos índices se han comparado con dos índices propuestos previamente por otros investigadores, a saber, el Índice de dunas de arena diferencial normalizado NDSI y el Eolain Mapping Index (EMI). La evaluación de la precisión de los índices arenosos mostró que el índice NDSAI proporciona un buen desempeño con una precisión general del 89 %. El índice SASTI puede extraer muchos píxeles arenosos y no arenosos con una precisión general del 86 %. El rendimiento del índice NDSI es pobre, con una precisión general del 82 %, no puede clasificar o aislar el área de vegetación del área arenosa y tal vez funcione mejor en entornos desérticos. El índice NDSAI calculado con la banda SWIR1 del satélite Landsat generó resultados más precisos que el NDSI calculado con la banda SWIR2 del mismo satélite. El índice EMI utilizado fue menos robusto que los otros métodos ya que no ha logrado extraer áreas arenosas con una precisión aceptable en áreas con diversas coberturas terrestres. Se utilizaron técnicas de detección de cambios para analizar las áreas de las tierras arenosas para los períodos de 1987 a 2017. L

[ES] Con el presente trabajo se persigue un triple objetivo. En primer lugar, se pretende realizar un proceso completo en el ámbito de la teledetección, partiendo de cero, y realizando todas las fases importantes que conlleva un proyecto de análisis de cambios, hasta la obtención de un producto final. En segundo lugar, se realizará, mediante la utilización de imágenes de distribución libre y gratuita Landsat, un análisis de los cambios producidos en el arrozal de L’Albufera de Valencia entre dos fechas con varios años de diferencia. Por último, y dando título al proyecto, se intentará describir de la manera más precisa posible, el ciclo del cultivo del arroz en L’Albufera de Valencia, basándose únicamente en imágenes Landsat.

[ES] Con el presente trabajo se persigue un triple objetivo. En primer lugar, se pretende realizar un proceso completo en el ámbito de la teledetección, partiendo de cero, y realizando todas las fases importantes que conlleva un proyecto de análisis de cambios, hasta la obtención de un producto final. En segundo lugar, se realizará, mediante la utilización de imágenes de distribución libre y gratuita Landsat, un análisis de los cambios producidos en el arrozal de L’Albufera de Valencia entre dos fechas con varios años de diferencia. Por último, y dando título al proyecto, se intentará describir de la manera más precisa posible, el ciclo del cultivo del arroz en L’Albufera de Valencia, basándose únicamente en imágenes Landsat.

[ES] Este proyecto fin de carrera tiene como objetivo comprobar la fiabilidad del índice compuesto de incendio (composite burn index) CBI que se obtiene mediante datos obtenidos en campo y que indican de diversa manera como se han visto afectadas cada una de las parcelas. Estas parcelas se localizaron previamente sobre una cartografía 1:50.000 con el fin de preparar una ordenada visita a campo. En cada parcela se han evaluado datos en los diferentes estratos que componen la misma. Desde subestratos con especies del orden de entre 20 cms. y 1 mt., pasando por arbustos de entre 1 y 5 mts. hasta las especies arbóreas de más de 10 mts. En todas ellas se ha valorado principalmente el daño en el follaje de la vegetación así como la frecuencia total de individuos vivos. De esta forma en cada parcela se estimará un nivel de severidad que va de 0 a 3. Con las imágenes Landsat de las dos épocas, antes del incendio y después, previamente corregidas del efecto atmosférico y del sombreado de zonas por efecto topográfico; se trabajará con dos índices el NBR (Normalized Burn Ratio) y NDVI (Normalized Difference Vegetation Index). En el primero se comparan las bandas de la imagen 4 y 7 y que darán como resultado pérdidas o ganancias de clorofila en la vegetación y por tanto una mayor diferencia de índices entre las dos épocas. Se hará una equivalencia de rangos entre posibles valores de NBR y CBI. En cuanto al segundo índice, el NDVI, las bandas que se comparan son la del infrarrojo cercano y la del rojo, que como se observa en el gráfico en la línea verde, tienen un amplio contraste para una vegetación sana. Con el rango de valores del incremento de NDVI, se compararán los valores con los otros dos índices y se obtiene un grado de exactitud entre ellos.

[ES] Con el presente trabajo se persigue un triple objetivo. En primer lugar, se pretende realizar un proceso completo en el ámbito de la teledetección, partiendo de cero, y realizando todas las fases importantes que conlleva un proyecto de análisis de cambios, hasta la obtención de un producto final. En segundo lugar, se realizará, mediante la utilización de imágenes de distribución libre y gratuita Landsat, un análisis de los cambios producidos en el arrozal de L’Albufera de Valencia entre dos fechas con varios años de diferencia. Por último, y dando título al proyecto, se intentará describir de la manera más precisa posible, el ciclo del cultivo del arroz en L’Albufera de Valencia, basándose únicamente en imágenes Landsat.

[ES] Este proyecto fin de carrera tiene como objetivo comprobar la fiabilidad del índice compuesto de incendio (composite burn index) CBI que se obtiene mediante datos obtenidos en campo y que indican de diversa manera como se han visto afectadas cada una de las parcelas. Estas parcelas se localizaron previamente sobre una cartografía 1:50.000 con el fin de preparar una ordenada visita a campo. En cada parcela se han evaluado datos en los diferentes estratos que componen la misma. Desde subestratos con especies del orden de entre 20 cms. y 1 mt., pasando por arbustos de entre 1 y 5 mts. hasta las especies arbóreas de más de 10 mts. En todas ellas se ha valorado principalmente el daño en el follaje de la vegetación así como la frecuencia total de individuos vivos. De esta forma en cada parcela se estimará un nivel de severidad que va de 0 a 3. Con las imágenes Landsat de las dos épocas, antes del incendio y después, previamente corregidas del efecto atmosférico y del sombreado de zonas por efecto topográfico; se trabajará con dos índices el NBR (Normalized Burn Ratio) y NDVI (Normalized Difference Vegetation Index). En el primero se comparan las bandas de la imagen 4 y 7 y que darán como resultado pérdidas o ganancias de clorofila en la vegetación y por tanto una mayor diferencia de índices entre las dos épocas. Se hará una equivalencia de rangos entre posibles valores de NBR y CBI. En cuanto al segundo índice, el NDVI, las bandas que se comparan son la del infrarrojo cercano y la del rojo, que como se observa en el gráfico en la línea verde, tienen un amplio contraste para una vegetación sana. Con el rango de valores del incremento de NDVI, se compararán los valores con los otros dos índices y se obtiene un grado de exactitud entre ellos.

[ES] El presente estudio tiene dos propósitos claramente diferenciados uno de otro y, a su vez, relacionados entre sí. Uno de ellos está enfocado al estudio de la dinámica de la zona de playa y otro al estudio de la posición de la línea de costa propiamente dicha. A partir de ahora diferenciaremos ambas situaciones y veremos como más adelante se van relacionando. Uno de los objetivos fundamentales del presente proyecto y que está relacionado con el estudio de la dinámica de playa es la creación de un flujo de trabajo que permita la generación de modelos tridimensionales de determinados sectores costeros obtenidos a través de fotografías terrestres. Por otro lado, existe una gran desventaja económica al utilizar instrumentación GPS, ya que los alquileres de dichos equipos no son precisamente baratos y la adquisición de un equipo está totalmente fuera de los objetivos del presente estudio. Conseguir salvar esta desventaja económica será uno de los principales propósitos, de manera que al final seamos capaces de instruir (de una forma muy sencilla) a personal no cualificado de cómo tomar las fotografías correctamente para que posteriormente nos las envíen para que sean tratadas en gabinete. Aprovecharemos por tanto la situación de que hoy en día prácticamente todo el mundo tiene una cámara fotográfica digital. Se podría decir que el objetivo propuesto es la generación de un modelo de trabajo “low cost” de modelización tridimensional fotogramétrica de zonas costeras. Inicialmente se pretende que las zonas de estudio sean de carácter local o regional y que más adelante, con el perfeccionamiento de la técnica, sea extrapolable a zonas de playa de cualquier localización geográfica. Todo lo expuesto anteriormente nos lleva a que los modelos digitales obtenidos a través de fotografía han de verificarse y comprobar que es un producto realmente útil. Se habrá de tomar una nube de puntos GPS para generar un modelo digital del terreno que permita calibrar aquel modelo obtenido p

[ES] El presente estudio tiene dos propósitos claramente diferenciados uno de otro y, a su vez, relacionados entre sí. Uno de ellos está enfocado al estudio de la dinámica de la zona de playa y otro al estudio de la posición de la línea de costa propiamente dicha. A partir de ahora diferenciaremos ambas situaciones y veremos como más adelante se van relacionando. Uno de los objetivos fundamentales del presente proyecto y que está relacionado con el estudio de la dinámica de playa es la creación de un flujo de trabajo que permita la generación de modelos tridimensionales de determinados sectores costeros obtenidos a través de fotografías terrestres. Por otro lado, existe una gran desventaja económica al utilizar instrumentación GPS, ya que los alquileres de dichos equipos no son precisamente baratos y la adquisición de un equipo está totalmente fuera de los objetivos del presente estudio. Conseguir salvar esta desventaja económica será uno de los principales propósitos, de manera que al final seamos capaces de instruir (de una forma muy sencilla) a personal no cualificado de cómo tomar las fotografías correctamente para que posteriormente nos las envíen para que sean tratadas en gabinete. Aprovecharemos por tanto la situación de que hoy en día prácticamente todo el mundo tiene una cámara fotográfica digital. Se podría decir que el objetivo propuesto es la generación de un modelo de trabajo “low cost” de modelización tridimensional fotogramétrica de zonas costeras. Inicialmente se pretende que las zonas de estudio sean de carácter local o regional y que más adelante, con el perfeccionamiento de la técnica, sea extrapolable a zonas de playa de cualquier localización geográfica. Todo lo expuesto anteriormente nos lleva a que los modelos digitales obtenidos a través de fotografía han de verificarse y comprobar que es un producto realmente útil. Se habrá de tomar una nube de puntos GPS para generar un modelo digital del terreno que permita calibrar aquel modelo obtenido p

[ES] Este proyecto fin de carrera tiene como objetivo comprobar la fiabilidad del índice compuesto de incendio (composite burn index) CBI que se obtiene mediante datos obtenidos en campo y que indican de diversa manera como se han visto afectadas cada una de las parcelas. Estas parcelas se localizaron previamente sobre una cartografía 1:50.000 con el fin de preparar una ordenada visita a campo. En cada parcela se han evaluado datos en los diferentes estratos que componen la misma. Desde subestratos con especies del orden de entre 20 cms. y 1 mt., pasando por arbustos de entre 1 y 5 mts. hasta las especies arbóreas de más de 10 mts. En todas ellas se ha valorado principalmente el daño en el follaje de la vegetación así como la frecuencia total de individuos vivos. De esta forma en cada parcela se estimará un nivel de severidad que va de 0 a 3. Con las imágenes Landsat de las dos épocas, antes del incendio y después, previamente corregidas del efecto atmosférico y del sombreado de zonas por efecto topográfico; se trabajará con dos índices el NBR (Normalized Burn Ratio) y NDVI (Normalized Difference Vegetation Index). En el primero se comparan las bandas de la imagen 4 y 7 y que darán como resultado pérdidas o ganancias de clorofila en la vegetación y por tanto una mayor diferencia de índices entre las dos épocas. Se hará una equivalencia de rangos entre posibles valores de NBR y CBI. En cuanto al segundo índice, el NDVI, las bandas que se comparan son la del infrarrojo cercano y la del rojo, que como se observa en el gráfico en la línea verde, tienen un amplio contraste para una vegetación sana. Con el rango de valores del incremento de NDVI, se compararán los valores con los otros dos índices y se obtiene un grado de exactitud entre ellos.

[ES] El presente estudio tiene dos propósitos claramente diferenciados uno de otro y, a su vez, relacionados entre sí. Uno de ellos está enfocado al estudio de la dinámica de la zona de playa y otro al estudio de la posición de la línea de costa propiamente dicha. A partir de ahora diferenciaremos ambas situaciones y veremos como más adelante se van relacionando. Uno de los objetivos fundamentales del presente proyecto y que está relacionado con el estudio de la dinámica de playa es la creación de un flujo de trabajo que permita la generación de modelos tridimensionales de determinados sectores costeros obtenidos a través de fotografías terrestres. Por otro lado, existe una gran desventaja económica al utilizar instrumentación GPS, ya que los alquileres de dichos equipos no son precisamente baratos y la adquisición de un equipo está totalmente fuera de los objetivos del presente estudio. Conseguir salvar esta desventaja económica será uno de los principales propósitos, de manera que al final seamos capaces de instruir (de una forma muy sencilla) a personal no cualificado de cómo tomar las fotografías correctamente para que posteriormente nos las envíen para que sean tratadas en gabinete. Aprovecharemos por tanto la situación de que hoy en día prácticamente todo el mundo tiene una cámara fotográfica digital. Se podría decir que el objetivo propuesto es la generación de un modelo de trabajo “low cost” de modelización tridimensional fotogramétrica de zonas costeras. Inicialmente se pretende que las zonas de estudio sean de carácter local o regional y que más adelante, con el perfeccionamiento de la técnica, sea extrapolable a zonas de playa de cualquier localización geográfica. Todo lo expuesto anteriormente nos lleva a que los modelos digitales obtenidos a través de fotografía han de verificarse y comprobar que es un producto realmente útil. Se habrá de tomar una nube de puntos GPS para generar un modelo digital del terreno que permita calibrar aquel modelo obtenido p

[ES] Se presenta un análisis de la evolución reciente de la línea de costa de los términos municipales de Sagunt y de Canet d’en Berenguer. La principal novedad es el empleo de imágenes Landsat –con una resolución espacial de 30 m– que tratada con una metodología específica, desarrollada por el equipo de investigación al que pertenecen los autores, permite detectar la posición de la orilla en el momento de la toma de la imagen con una precisión de unos 5 m (error medio cuadrático). Ello permite aprovechar una gran cantidad de imágenes (en este caso 50) entre 1984 y 2009 disponibles de la base de datos del USGS. Se ha calculado la tasa de cambio a lo largo de todo el periodo y, también, en dos subperiodos (1984-2000 y 1999-2009). Los resultados prueban el predominio de la acumulación en la mayor parte de la zona estudiada provocada fundamentalmente por la introducción en 1982 del puerto Siles. Los procesos acumulativos sin embargo fueron singularmente mayores en el primer subperiodo que en el segundo. El estudio de los cambios a lo largo de un mismo año en tres momentos dados ha permitido extraer conclusiones no solo de cómo cambia la anchura de las playas sino también de su morfología (pendiente) y sus características texturales., [EN] This paper presents an analysis of the recent evolution of the shorelines of the municipalities of Sagunt and Canet d’en Berenguer. The main new is the use of Landsat images - with a spatial resolution of 30 m -to deal with a specific methodology developed by the research team they belong to the authors, can detect the position of the shore at the moment the taking of the image with an accuracy of about 5 m (RMSE). This allows take advantage of a large amount of mages (in this case 50) between 1984 and 2009 available from the USGS database. It has been estimated the rate of change over the whole period and also in two sub-periods (1984-2000 and 1999-2009). The results show the dominance of accumulation in most of the study area mainly caused by the introduction in 1982 the port Siles. However cumulative processes were particularly higher in the first sub-period in the second. The study of changes along a year on three occasions has given not only to draw conclusions on how to change the width of beaches but also on their morphology (slope) and textural characteristics.

[ES] Se presenta un análisis de la evolución reciente de la línea de costa de los términos municipales de Sagunt y de Canet d’en Berenguer. La principal novedad es el empleo de imágenes Landsat –con una resolución espacial de 30 m– que tratada con una metodología específica, desarrollada por el equipo de investigación al que pertenecen los autores, permite detectar la posición de la orilla en el momento de la toma de la imagen con una precisión de unos 5 m (error medio cuadrático). Ello permite aprovechar una gran cantidad de imágenes (en este caso 50) entre 1984 y 2009 disponibles de la base de datos del USGS. Se ha calculado la tasa de cambio a lo largo de todo el periodo y, también, en dos subperiodos (1984-2000 y 1999-2009). Los resultados prueban el predominio de la acumulación en la mayor parte de la zona estudiada provocada fundamentalmente por la introducción en 1982 del puerto Siles. Los procesos acumulativos sin embargo fueron singularmente mayores en el primer subperiodo que en el segundo. El estudio de los cambios a lo largo de un mismo año en tres momentos dados ha permitido extraer conclusiones no solo de cómo cambia la anchura de las playas sino también de su morfología (pendiente) y sus características texturales., [EN] This paper presents an analysis of the recent evolution of the shorelines of the municipalities of Sagunt and Canet d’en Berenguer. The main new is the use of Landsat images - with a spatial resolution of 30 m -to deal with a specific methodology developed by the research team they belong to the authors, can detect the position of the shore at the moment the taking of the image with an accuracy of about 5 m (RMSE). This allows take advantage of a large amount of mages (in this case 50) between 1984 and 2009 available from the USGS database. It has been estimated the rate of change over the whole period and also in two sub-periods (1984-2000 and 1999-2009). The results show the dominance of accumulation in most of the study area mainly caused by the introduction in 1982 the port Siles. However cumulative processes were particularly higher in the first sub-period in the second. The study of changes along a year on three occasions has given not only to draw conclusions on how to change the width of beaches but also on their morphology (slope) and textural characteristics.