Loading...
Publication
Green, Scorched, or Consumed? Classifying fire effects on forest canopies with Satellite data and Machine learning
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 5.96 MB | Adobe PDF |
Authors
Abstract(s)
This study develops a highly accurate model to assess the impact of wildfire severity on forest canopies in Portugal using remote sensing techniques based on training data extracted from 11 large fires, integrating Landsat satellite data, the Random Forest (RF) algorithm, and the Tasseled Cap Transformation (TCT). The model distinguishes between three levels of fire severity: green (low), scorched (moderate), and consumed (high). The three main TCT components - brightness, greenness, and wetness - are used in the research to characterize the effect of fire on forest canopies. The Copernicus Tree Cover Density (TCD) dataset was utilized to create a forest mask, which guaranteed that the categorization was limited to forested regions. The model demonstrated its effectiveness with a classification accuracy of over 90%, highlighting the usefulness of combining RF and TCT for fire severity mapping.
Fires in locations such as Gois, Pedrogão, and Leria exhibited more accurate classification results compared to other regions, with the greenness component being the most significant predictor of fire severity. Fire severity maps for seven large fire occurrences between 2013 and 2019 were created using the model. Maritime pine and eucalyptus, the dominant species in these forests, were particularly impacted by high-severity fires, especially in regions prone to recurrent wildfires.
This study provides important information for ecological preservation and post-fire management. The generated fire severity maps can assist in planning restoration efforts, implementing species-specific rehabilitation, and developing strategic forest management practices to mitigate future fire risks. The study further suggests the potential for using higher-resolution datasets, such as Sentinel-2, spaceborne LiDAR data from the GEDI and ICESat-2 missions to refine future assessments of fire impacts.
Este estudo desenvolve um modelo altamente preciso para avaliar a severidade dos incêndios florestais nas copas das florestas em Portugal, utilizando técnicas de detecção remota com base em dados de treinamento extraídos de 11 grandes incêndios. Ao integrar dados de satélite Landsat, o algoritmo Random Forest (RF) e do Transformação Tasseled Cap (TCT), o modelo distingue entre três níveis de severidade do fogo: verde (baixa), queimada (moderada) e consumida (alta). Os três principais componentes da TCT—brilho, verde e humidade—são utilizados na investigação para caracterizar o efeito do fogo nas copas das árvores. O conjunto de dados da Densidade de Cobertura Florestal (TCD) do Copernicus foi utilizado para criar uma máscara florestal, garantindo que a classificação fosse limitada às regiões florestadas. O modelo demonstrou sua eficácia com uma precisão de classificação superior a 90%, destacando a utilidade da combinação de RF e TCT no mapeamento da severidade do fogo. Incêndios em locais como Gois, Pedrógão e Leiria apresentaram resultados de classificação mais precisos em comparação com outras regiões, sendo o componente de verdor o preditor mais significativo da severidade do fogo. Mapas de severidade do fogo para sete grandes incêndios ocorridos entre 2013 e 2019 foram criados utilizando o modelo. O pinheiro-bravo e o eucalipto, espécies dominantes nessas florestas, foram particularmente afetados por incêndios de alta severidade, especialmente em regiões propensas a incêndios recorrentes. Esta investigação oferece informações cruciais para a gestão pós-incêndio e conservação ecológica. Os mapas de severidade do fogo gerados podem auxiliar no planeamento de esforços de restauro, na implementação de reabilitação específica para espécies e no desenvolvimento de práticas estratégicas de gestão florestal visando mitigar riscos futuros de incêndios. O estudo sugere ainda o potencial para a utilização de conjuntos de dados de alta resolução, como o Sentinel-2, dados LiDAR espaciais das missões GEDI e ICESat-2 para refinar futuras avaliações dos impactos dos incêndios.
Este estudo desenvolve um modelo altamente preciso para avaliar a severidade dos incêndios florestais nas copas das florestas em Portugal, utilizando técnicas de detecção remota com base em dados de treinamento extraídos de 11 grandes incêndios. Ao integrar dados de satélite Landsat, o algoritmo Random Forest (RF) e do Transformação Tasseled Cap (TCT), o modelo distingue entre três níveis de severidade do fogo: verde (baixa), queimada (moderada) e consumida (alta). Os três principais componentes da TCT—brilho, verde e humidade—são utilizados na investigação para caracterizar o efeito do fogo nas copas das árvores. O conjunto de dados da Densidade de Cobertura Florestal (TCD) do Copernicus foi utilizado para criar uma máscara florestal, garantindo que a classificação fosse limitada às regiões florestadas. O modelo demonstrou sua eficácia com uma precisão de classificação superior a 90%, destacando a utilidade da combinação de RF e TCT no mapeamento da severidade do fogo. Incêndios em locais como Gois, Pedrógão e Leiria apresentaram resultados de classificação mais precisos em comparação com outras regiões, sendo o componente de verdor o preditor mais significativo da severidade do fogo. Mapas de severidade do fogo para sete grandes incêndios ocorridos entre 2013 e 2019 foram criados utilizando o modelo. O pinheiro-bravo e o eucalipto, espécies dominantes nessas florestas, foram particularmente afetados por incêndios de alta severidade, especialmente em regiões propensas a incêndios recorrentes. Esta investigação oferece informações cruciais para a gestão pós-incêndio e conservação ecológica. Os mapas de severidade do fogo gerados podem auxiliar no planeamento de esforços de restauro, na implementação de reabilitação específica para espécies e no desenvolvimento de práticas estratégicas de gestão florestal visando mitigar riscos futuros de incêndios. O estudo sugere ainda o potencial para a utilização de conjuntos de dados de alta resolução, como o Sentinel-2, dados LiDAR espaciais das missões GEDI e ICESat-2 para refinar futuras avaliações dos impactos dos incêndios.
Description
Mestrado em Gestão da Floresta e dos Recursos Naturais no Mediterrâneo (Erasmus Mundus) / Instituto Superior de Agronomia, Universidade de Lisboa
Keywords
fire severity mapping forest canopy remote sensing random forest algorithm tasseled cap transformation mapeamento de severidade do fogo copa florestal detecção remota algoritmo random forest transformação tasseled cap
Pedagogical Context
Citation
Thomas, A. Green, Scorched, or Consumed? Classifying fire effects on forest canopies with Satellite data and Machine learning. Lisboa: ISA, 2024, 74 p. Dissertação de Mestrado
Publisher
Instituto Superior de Agronomia, Universidade de Lisboa