Análisis de la Dinámica de Áreas Quemadas y su Recuperación en el Parque Nacional Natural El Tuparro entre 2021 y 2023

• Oscar Fernando Borda Casas ^[1] ; Javier Medina ^[1]
  1. [1] Universidad Distrital Francisco José de Caldas

     Universidad Distrital Francisco José de Caldas

     Colombia

     
• Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. Extra 65, 2024, págs. 413-426
• Idioma: español
• Títulos paralelos:
  • Analysis of the Dynamics of Burnt Areas and their Recovery in the El Tuparro National Natural Park between 2021 and 2023
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El Parque Nacional Natural El Tuparro (P.N.N. El Tuparro), localizado en Colombia, es un área de conservación que enfrenta un notable número de incendios forestales que, según su intensidad y frecuencia, pueden perturbar el ecosistema. Por ende, es importante realizar un monitoreo constante de zonas afectadas, para salvaguardar la conservación ambiental. Ante esta situación la teledetección ayuda a obtener datos en tiempo real sobre la magnitud y dinámica de los incendios forestales. Este estudio se enfocó en el análisis de la severidad de los incendios forestales en el P.N.N El Tuparro durante el período de 2021 a 2023. Se emplearon índices espectrales a 7 imágenes satelitales Landsat 8 y 9. Además, se estimó las áreas quemadas mediante la selección del mejor algoritmo de machine learning de clasificación. Estos datos permitirán crear una curva de recuperación vegetal, fundamental para decisiones informadas en su gestión y preservación.

  • English

    The El Tuparro National Natural Park (P.N.N. El Tuparro), located in Colombia, is a conservation area that faces a notable number of forest fires that, depending on their intensity and frequency, can disturb the ecosystem. Therefore, it is important to carry out constant monitoring of affected areas, to safeguard environmental conservation. Faced with this situation, remote sensing helps to obtain real-time data on the magnitude and dynamics of forest fires. This study focused on the analysis of the severity of forest fires in the P.N.N El Tuparro during the period from 2021 to 2023. Spectral indices to 7 Landsat 8 and 9 satellite images were used. In addition, burned areas were estimated by selecting of the best classification machine learning algorithm. These data will allow the creation of a plant recovery curve, essential for informed decisions in its management and preservation.

• Referencias bibliográficas
  • Amat, J. (2017). Árboles de decisión, random forest, gradient boosting y C5.0. Obtenido de https://rstudio-pubs-static.s3.amazonaws. com/255596_70d1823f6a214d58970f39af709dad37.html
  • Betancourt, G. (2005). Las Máquinas de Soporte Vectorial (SVM). Scientia Et Technica, 67-72.
  • Botella M., & Fernández Manzo, A. (2017). Study of post-fire severity in the Valencia region comparing the NBR, RdNBR and RBR indexes...
  • Brewer, J. (2016). Natural Canopy Damage and the Ecological Restoration of FireIndicative Groundcover Vegetation in an Oak-Pine Forest. Fire...
  • Caicedo, G. (2016). Perspectivas del desarrollo regional local para la Orinoquia. Orinoquía, 1-18.
  • Chen, Y., Morton, D. C., Jin, Y., Collatz, G. J., Kasibhatla, P. S., van der Werf, G. R., Randerson, J. T. (2013). Long-term trends and interannual...
  • Chuvieco, E. (1996). Fundamentos de Teledetección. Madrid: Ediciones Rialp.
  • Flores, A., Flores, J., González, D., Gallegos, A., Zarazúa, P., & Mena, S. (2021). Análisis comparativo de índices espectrales para ubicar...
  • Haykin, S. (2005). Neural Networks - A Comprehensive Foundation. Prentice Hall.
  • Lizundia, J., Ramo, R., & Chuvieco, E. (2020). A spatio-temporal active-fire clustering approach for global burned area mapping at 250...
  • Lulla, K., Rundquist, B., Duane, M., Srivastava, P., & Szabo , S. (2021). Mission to earth: LANDSAT 9 will continue to view the world....
  • Mendoza, H., & Córdoba, M. (2018). Catálogo de la flora de los Parques Nacionales Naturales de Colombia: Parque Nacional Natural El Tuparro....
  • Mira, J. (2018). Experimentos de predicción con Gradient Boosting y Random forest. Madrid: Universidad Politecnica de Madrid.
  • Neris, J., Santamarta, J., Doerr, S., Prieto, F., Aguallo , P., & García , V. (2016). Post-fire soil hydrology, water erosion and restoration...
  • Reynosa, N. (2016). Índices espectrales de vegetación para la detección de áreas quemadas. La Calera, 16(27), 111-114.
  • Rodríguez, V., & Bullock, S. (2013). Comparación espacial y temporal de índices de la vegetación para verdor y humedad y aplicación para...
  • Saragosa, F., da Silva, C., Júnior, J., Teodoro, P., Shiratsuchi, L., Lima, M., Capristo, G. (2020). Identification of tillage for soybean...
  • Theobald, O. (2017). Machine Learning for Absolute Beginners: A Plain English Introduction. (S. Press, Ed.)
  • van der Werf, G., Randerson, J., Giglio, L., Collatz, G., Mu, M., Kasibhatla, P., . . . van Leeuwen, T. (2010). Global fire emissions and...
  • Vapnik, V., & Cortes, C. (1995). Support-vector networks. Mach Learn. Kluwer Academic Publishers, 273–297.
  • Velasco, R. (2021). Aplicación de teledetección para estimación de severidad postincendio. Escuela de Ingenierias Industritales. Valladolid:...
  • Zules, F. (2019). Construcción de un Dataset de noticias para el entrenamiento y evaluacion de clasificadores automatizados. Madrid: Universidad...