Search

Worldwide, forests fires destroy annually millions of hectares from tropical to boreal region. In the European part of the Mediterranean basin alone about five hundred thousand hectares are affected each year making fires one of the most important ecological threats. Remotely sensed data can contribute to a better, cost effective, objective and time saving method to monitor and quantify location, extent and intensity of fire events. Despite the extensive archives of space borne synthetic aperture radar (SAR) data few studies were carried out having as topic forest fires. This thesis explores the use of synthetic aperture radar for post-fire studies highlighting not only its advantages but also the potential sources of error. Regional models for burn severity assessment were developed using field samples (composite burn index - CBI) and optical based spectral indices (difference Normalized Burn Ratio - dNBR) to assess the relationship strength between these variables across five recently burned sites in northeastern Spain. Linear and non-linear models were tested and the estimation error of each model was estimated. SAR data at X-, C- and L-band were investigated to determine the relationship between radar metrics (backscatter and interferometric coherence) and forest burn severity over three burn scars. The dependency of the SAR backscatter upon local incidence angle and environmental conditions has been also analyzed. In addition, SAR data were used to analyze backscatter and interferometric coherence from regrowing forests previously affected by fire. L-band data analysis was extended to burned boreal forests.Statistical analysis was used to assess the radar metrics as a function of burn severity level or forest regrowth phase after stratifying the data by local incidence angle. Determination coefficients were used to quantify the relationship between radar data and burn severity estimates. Fire scar differentiation using optical based indices is attainable in Aragón pine forests. Burn severity estimation errors for highly burned sites were well below 10 % whereas for low and moderate severities errors increased up to 25%. A strong linear relation was found between burn severity at plot level and understory and overstory composites. The analysisdemonstrated the model consistency at regional level and the need for new estimation methods in areas affected by low to moderate burn severities even for homogeneous forests. SAR metrics (backscatter and coherence) were sensitive to burn severity. For co-polarized channels (HH and VV)the backscatter increased with burn severity for X- and C-band whereas for L-band it decreased. Cross-polarized (HV) backscatter decreased with burn severity for all frequencies. The sensitivity of the co-polarized backscatter to burn severity decreased for increasing local incidence angle for all frequencies except at L-band. For X- and C-band co-polarized data higher determination coefficients were observed for slopes oriented towards the sensors whereas for cross-polarized data the determination coefficients were higher for slopes oriented away from the sensor. At L-band the association strength of cross-polarized data to burn severity was high for all local incidence angles. Co-polarized coherence increased with the increase of burn severity at X- and C-band whereas cross-polarized coherence was practically insensitive to burn severity. Higher sensitivity to burn severity was found at L-band for both co- and cross-polarized channels. The association strength between coherence and burn severity was strongest for images acquired under stable, dry environmental conditions. When the local incidence angle is accounted for, the determination coefficients increased from 0.6 to 0.9 for X- and C-band. At L-band the local incidence angle had less influence on the association strength to burn severity. L-band (both metrics) showed the highest potential for burn severity estimation in the Mediterranean environment. The small dynamic range observed for X-band data could hinder its use in forests affected by fires. At L-band, the results from boreal forest confirmed the data trends obtained in the Mediterranean basin at least for specific environmental conditions (images acquired during the growing season in relatively dry conditions). Low sensitivity to forest regrowth was observed for X-band backscatter, the average backscatter increasing by 1-2 dB between the most recent fire scars and the unburned forest. C-band showed increased sensitivity, the backscatter difference between burned and unburned forest being around 4 dB. L-band backscatter presented the highest sensitivity to forest regrowth, the backscatter difference being approximately 8 dB. For a given frequency the sensitivity of the SAR backscatter to forest regrowth varied with local incidence angle and polarization. The interferometric coherence showed low sensitivity to forest regrowth at all SAR frequencies. For mediterranean forests five phases of forest regrowth were discerned whereas for boreal forest, up to four different regrowth phases could be discerned with L-band SAR data. In comparison, the Normalized Difference Vegetation Index (NDVI) provided reliable differentiation only for the most recent development stages, as it registers mostly information related to the vegetation cover. The results obtained were consistent in both environments. These findings indicate that SAR systems have potential for burn severity estimation using either the backscatter coefficient or the interferometric coherence. The joint use of backscatter and coherence did not significantly improved burn severity estimation in any of the studied frequencies. Promising results were achieved for forest regrowth monitoring when using the backscatter coefficient of low frequency bands (L-). The higher frequency bands (X- and C-) showed low sensitivity to changes in forest structure, having little potential for differentiating between forest regrowth stages.

Esta tesis doctoral se centra en la estimación de variables forestales en la zona Sureste de los Cárpatos Rumanos a partir de imágenes de radar de apertura sintética. La investigación abarca parte del preprocesado de las imágenes, métodos de generación de mosaicos y la extracción de la cobertura de bosque, sus subtipos o su biomasa. La tesis se desarrolló en el Instituto Nacional de Investigación y Desarrollo Forestal Marín Dracea (INCDS) y la Universidad de Alcalá (UAH) gracias a varios proyectos: el proyecto EO-ROFORMON del INCDS (Prototyping an Earth-Observation based monitoring and forecasting system for the Romanian forests), y el proyecto EMAFOR de la UAH (Synthetic Aperture Radar (SAR) enabled Analysis Ready Data (ARD) cubes for efficient monitoring of agricultural and forested landscapes). El proyecto EO-ROFORMON fue financiado por la Autoridad Nacional para la Investigación Científica de Rumania y el Fondo Europeo de Desarrollo Regional. El proyecto EMAFOR fue financiado por la Comunidad Autónoma de Madrid (España). El objetivo de esta tesis es el desarrollo de algoritmos para la extracción de variables forestales de uso general como la cobertura, el tipo o la biomasa del bosque a partir de imagen de radar de apertura sintética. Para alcanzar dicho propósito se analizaron posibles fuentes de sesgo sistemático que podrían aparecer en zonas de montaña (ej., normalización topográfica, generación de mosaicos), y se aplicaron técnicas de aprendizaje de máquina para tareas de clasificación y regresión. La tesis contiene ocho secciones: una introducción, cinco publicaciones en revistas o actas de congresos indexados, una pendiente de publicación (quinto capítulo) y las conclusiones. La introducción contextualiza la importancia del bosque, cómo se recoge la información sobre su estado (ej., inventario forestal) y las iniciativas o marcos legislativos que requieren dicha información. A continuación, se describe cómo la teledetección puede complementar la información de inventario forestal, detallando el contexto histórico de las distintas tecnologías, su funcionamiento, y cómo pueden ser aplicadas para la extracción de información forestal. Por último, se describe la problemática y el monitoreo del bosque en Rumanía, detallando el objetivo de la tesis y su estructura. El primer capítulo analiza la influencia del modelo digital de elevaciones (MDE) en la calidad de la normalización topográfica, analizando tres MDE globales (SRTM, AW3D y TanDEM-X DEM) y uno nacional (PNOA-LiDAR). Los experimentos se basan en la comparación entre órbitas, con un MDE de referencia, y la variación del acierto en la clasificación dependiendo del MDE empleado para la normalización. Los resultados muestran una menor diferencia ente órbitas al utilizar un MDE con una mejor resolución (ej. TanDEM-X, PNOA-LIDAR), especialmente en el caso de zonas con fuertes pendientes o formas del terreno complejas, como pueden ser los valles. En zonas de alta montaña las imágenes de radar de apertura sintética (SAR) sufren frecuentes distorsiones. Estas distorsiones dependen de la geometría de adquisición, por lo que es posible combinar imágenes adquiridas desde varias órbitas para que la cobertura sea lo más completa posible. El segundo capítulo evalúa dos metodologías para la clasificación de usos del suelo utilizando datos de Sentinel-1 adquiridos desde varias órbitas. El primer método crea clasificaciones por órbita y las combina, mientras que el segundo genera un mosaico con datos de múltiples órbitas y lo clasifica. El acierto obtenido mediante combinación de clasificaciones es ligeramente mayor, mientras que la clasificación de mosaicos tiene importantes omisiones de las zonas boscosas debido a problemas en la normalización topográfica y a los efectos direccionales. El tercer capítulo se enfoca en separar la cobertura forestal de otras coberturas del suelo (urbano, vegetación baja, agua) analizando la utilidad de las variables basadas en la coherencia interferométrica. En él se realizan tres clasificaciones de máquina vector-soporte basadas en un conjunto concreto de variables. El primer conjunto contiene las estadísticas anuales de la retrodispersión (media y desviación típica anual), el segundo añade la coherencia a largo plazo (separación temporal mayor a un año), el tercero incluye las estadísticas de la coherencia a corto plazo (mínima separación temporal). Utilizar variables basadas en la coherencia aumenta el acierto de la clasificación hasta un 5% y reduce los errores de omisión de la cobertura forestal. El cuarto capítulo evalúa la posibilidad de detectar talas selectivas utilizando datos de Sentinel-1 y Sentinel-2. Sus resultados muestran que la detección resulta muy difícil debido a la saturación de los sensores y la confusión introducida por el efecto de la fenología. El quinto capítulo se centra en la clasificación de tipos de bosque basado en una serie temporal de datos Sentinel-1. Se basa en la creación de un conjunto de modelos que describen la relación entre la retrodispersión y el ángulo local de incidencia para un determinado tipo de bosque y fecha concreta. Para cada píxel se calcula el residuo respecto al modelo de cada uno de los tipos de bosque, acumulando dichos residuos a lo largo de la serie temporal. Hecho esto, cada píxel es asignado al tipo de bosque que acumula un menor residuo. Los resultados son prometedores, mostrando que frondosas y coníferas tienen un comportamiento distintivo, y que es posible separar ambos tipos de bosque con un alto grado de acierto. El sexto capítulo está dedicado a la estimación de biomasa utilizando datos Sentinel-1, ALOS PALSAR y regresión Random Forest. Se obtiene un error similar para ambos sensores a pesar de utilizar una banda diferente (band-C vs. -L), con poca reducción en el error cuando ambas bandas se utilizan conjuntamente. Sin embargo, el ajuste de un estimador adaptado a las condiciones locales de Rumanía sí ofreció una reducción de del error al ser comparado con las estimaciones globales de biomasa.

Esta tesis doctoral se centra en el desarrollo de algoritmos de cartografiado de áreas quemadas empleando sensores activos y pasivos de resolución espacial media. En concreto, aquellos a bordo de los satélites de la Agencia Espacial Europea (ESA) Sentinel-1 y -2, que proporcionan imágenes radar y ópticas, respectivamente. Dichos algoritmos permiten reducir las incertidumbres actuales acerca de cuánta superficie se incendia anualmente en la Tierra, ya que los productos globales actuales se basan principalmente en imágenes ópticas de reducida resolución espacial, generando incertidumbre en pequeños incendios y en áreas con una alta nubosidad. El primer algoritmo desarrollado en la tesis se basa en imágenes de coeficiente de retrodispersión radar. Productos de anomalías térmicas y de usos del suelo son empleados como datos auxiliares. Asimismo, el clasificador random forests se aplica cuando la disponibilidad de anomalías térmicas es reducida. El algoritmo se testó en 18 zonas globalmente distribuidas, mejorándose la exactitud alcanzada por el producto global más utilizado, el MCD64. Durante el desarrollo algorítmico se observó un proceso de decorrelación temporal en el coeficiente de retrodispersión. Este proceso es analizado en detalle, siendo el clasificador random forests utilizado para estimar la influencia de diferentes factores. El contenido de agua en el suelo y la vegetación se observó como una variable determinante. La exactitud de las detecciones es comparada con las obtenidas por otros dos algoritmos, basados en imágenes ópticas y de coherencia interferométrica, respectivamente. La mayor exactitud es observada en las detecciones basadas en datos ópticos, mientras que la retrodispersión es más idónea que la coherencia. En base a la idoneidad de las imágenes ópticas para detectar área quemada, a que las imágenes radar permiten obtener información constante sin importar las condiciones atmosféricas y a que la resolución espacial y temporal de los satélites Sentinel-1 y -2 son similares, la combinación de ambas fuentes de información al detectar área quemada es explorada en detalle. Para ello, un método de inteligencia artificial con una creciente utilización, como es el deep learning, y concretamente las redes neuronales convolucionales, han sido empleadas en la presente tesis. La combinación óptico-radar mejora la exactitud, especialmente al comparar con las detecciones basadas únicamente en datos radar. Además, dicha fusión permite cartografiar por completo el área observada, lo cual no sucede al utilizar únicamente datos ópticos. Finalmente, en base a la diferencia de exactitudes entre las detecciones basadas en imágenes ópticas y radar, y a la necesidad de mejorar las basadas en las segundas en lugares con elevada nubosidad, se analiza cómo mejorar las detecciones basadas solamente en imágenes de retrodispersión radar. De acuerdo con los resultados, conocer con exactitud la humedad del suelo es determinante para poder mejorar la exactitud de las detecciones de área quemada. Sin embargo, los productos globales de humedad del suelo tienen una resolución espacial mucho más grosera que la de las imágenes radar actuales.