ESCUELA DE DOCTORADO

 
Tesis Doctorales de la Universidad de Alcalá
ENHANCING POST-FIRE FOREST RECOVERY MONITORING THROUGH A REMOTE SENSING PERSPECTIVE
Autor/aViana Soto, Alba
DepartamentoGeología, Geografía y Medio Ambiente
Director/aSalas Rey, Francisco Javier
Codirector/aGarcía Alonso, Mariano
Fecha de defensa15-12-2022
CalificaciónSobresaliente cum laude
ProgramaTecnologías de la Información Geográfica (RD 99/2011)
Mención internacional
ResumenLos bosques son esenciales para el bienestar humano, ya que proporcionan una amplia gama de beneficios como la regulación del clima, la conservación de la biodiversidad, la protección de las cuencas hidrográficas y la prevención de la erosión del suelo. Aunque históricamente los bosques han sido modulados por una multitud de perturbaciones, en la actualidad se enfrentan a retos sin precedentes debido a cambios en el clima y los usos del suelo. En los bosques mediterráneos, el fuego es uno de los agentes de perturbación más comunes, dando forma a su estructura, composición y el funcionamiento. Las especies mediterráneas presentan mecanismos de adaptación para resistir y recuperarse, por lo que se consideran ecosistemas resilientes al fuego. Sin embargo, la capacidad de recuperación puede verse comprometida ante el esperado incremento de exposición a eventos de incendios más frecuentes y severos. Con todo, la estimación de la recuperación supone un reto, ya que se trata de un proceso dinámico que abarca diferentes escalas espaciales y temporales. Proporcionar información sistemática y espacio-temporalmente explícita es, por tanto, esencial para una mejor compresión de los cambios en la dinámica de la vegetación en respuesta a la acción del fuego. El objetivo general de esta tesis es contribuir a la comprensión de la recuperación forestal post-incendio en ecosistemas mediterráneos utilizando datos de teledetección de sensores activos y pasivos. El objetivo principal se aborda a través de los siguientes objetivos específicos: 1. Obtener las trayectorias de recuperación post-incendio a partir de las series temporales de Landsat. 2. Evaluar las tasas de recuperación y los factores que influyen en la recuperación del bosque. 3. Analizar los cambios estructurales del bosque a lo largo del proceso de recuperación post-incendio combinando datos LiDAR y Landsat. 4. Cuantificar los cambios en la composición de la cubierta a nivel de subpixel a partir de la desmezcla de datos Landsat. Estos objetivos se abordan a través de tres artículos que se han publicado en revistas científicas relevantes. En el artículo I abordamos los objetivos 1 y 2. A través de dos estudios de caso en pinares mediterráneos en España, caracterizamos la dinámica de recuperación espectral post-incendio en las diferentes etapas sucesivas. Identificamos diferentes categorías de trayectorias de recuperación espectral utilizando la segmentación temporal de las series temporales de Landsat (1994-2018) y la agrupación mediante K-means. Se utilizó el algoritmo LandTrendr para derivar las métricas de trayectorias a partir de los componentes de Tasseled Cap de humedad (TCW), sensible a la estructura del dosel, y el componente angular (TCA), relacionado con los gradientes de la cubierta vegetal. Las diferentes categorías de trayectorias post-incendio revelaron procesos de recuperación continua (recuperación continua, recuperación continua con cambios de pendiente, recuperación continua estabilizada) y recuperación no continua. Al tratarse de ecosistemas propensos al fuego, la vegetación colonizó rápidamente el espacio tras el incendio mostrando mayores tasas de recuperación a corto plazo, aunque ello no implica la recuperación de las condiciones del bosque previas al incendio dos décadas después del mismo. Además, se evaluó la influencia de los factores ambientales y contextuales en las tasas de recuperación. Los resultados de la modelización indicaron que las tasas de recuperación estaban fuertemente relacionadas con la severidad del incendio a corto plazo, mientras que las condiciones climáticas en relación con la sequía fueron más determinantes a largo plazo. En el artículo II abordamos el tercer objetivo y combinamos datos LiDAR e imágenes Landsat para proporcionar información sobre la recuperación de la estructura forestal después del incendio en pinares mediterráneos propensos al fuego en el SE de España. Abordamos la extrapolación de las variables estructurales del bosque (cobertura de vegetación, cobertura de arbolado, altura media y heterogeneidad) a lo largo de tres décadas (1990-2020) utilizando un modelo de Support Vector Regression (SVR). El rendimiento del modelo para estimar las variables estructurales derivadas de LiDAR utilizando imágenes Landsat y variables topográficas fue alto, mostrando estabilidad de las estimaciones tanto temporal como espacialmente. Las series temporales de recuperación estructural subrayaron que menos del 50% de los píxeles quemados recuperaron completamente a la estructura anterior al incendio 26 años después, lo que sugiere un proceso de recuperación en curso. En el artículo III abordamos el cuarto objetivo y desarrollamos una metodología para cuantificar los cambios en la composición de la cubierta vegetal leñosa (arbolado y matorral) utilizando un enfoque de desmezcla basado en la regresión de las Métricas Spectro-Temporales de Landsat (STM). Utilizamos datos de entrenamiento mezclados sintéticamente a partir de Landsat STM como entrada para un modelo SVR para desentrañar la dinámica de la cubierta de arbolado y matorral en los bosques mediterráneos, proporcionando información espacio-temporalmente explícita sobre la recuperación de la composición de los bosques después del incendio. Nuestros resultados sugieren que la dinámica del arbolado y del matorral depende en gran medida de las condiciones previas al incendio, ya que una gran mayoría de la superficie quemada tiende a la composición anterior al incendio. Sin embargo, se encontraron áreas que cambiaron de un dominio del arbolado a un dominio de matorral 26 años después del incendio, indicando transiciones en curso que pueden constituir una etapa transitoria o que podrían prevalecer en una etapa madura. Nuestros resultados enfatizan la utilidad de la desmezcla de datos Landsat para recopilar información sobre los cambios en la composición a lo largo del proceso de recuperación. Proporcionar información retrospectiva sobre la dinámica de recuperación tras los incendios puede potencialmente apoyar la gestión forestal tras los incendios al reconocer los patrones espacio-temporales de la recuperación forestal. La mejora de la resiliencia y la adaptación de los bosques suponen un reto para los gestores forestales, ya que los bosques mediterráneos altamente sujetos a la ocurrencia de incendios son también los que se enfrentan a cambios en los regímenes de incendios junto con la susceptibilidad de otras perturbaciones. La estimación de la recuperación tras el incendio a partir de datos de teledetección puede, por tanto, proporcionar una base a las estrategias de gestión forestal para afrontar el cambio climático y facilitar a los responsables de la toma de decisiones la selección de alternativas de gestión.