Google Earth Engine y los incendios de verano: el caso de Cadalso de los Vidrios, Madrid (Julio 2019)

Gracias a la inestimable ayuda de mi compi de co-working Pablo Martín -ingeniero Forestal- con Google Earth Engine hemos modelado este NBR (Normalized Burn Ratio) que usa los canales NIR y SWIR de Sentinel-2 para medir la severidad del incendio de la semana pasada en mi pueblo, Cadalso de los Vidrios (Madrid, España). Rozamos la tragedia en lo personal pero sin duda fue terrible a nivel material. Tardaremos décadas en revertir este funesto incendio pero vayamos a lo práctico…¿Qué zonas han sido más severamente dañadas?. Un NBR aislado apenas nos dice más que el estado actual pre o post incendio pero no sería más acertado compararlas dos escenas inmediatamente anterior y posterior?. Esto es posible hoy día dado que Sentinel-2, un satélite europeo a 10m de resolución, pasa cada pocos días. ¡Qué potencial!.

La medición de la severidad ha de tomar en cuenta el ratio anterior y posterior al incendio que idealmente hace más preciso el resultado (Prefire NBR – PostFire NBR). La imagen arriba muestra claramente la zona al Oeste como la ás dañada por el fuego.

Respecto a las mediciones de las zonas afectadas unos se pregunta si éstas tienen que ver con la severidad de la zona específica afectada o simplemente se considera lo mismo si el fuego ha rozado que si ha realmente afectado a horizontes edáficos más profundos (lo que lo convierte potencialmente en más grave). Dependiendo de cómo se mida, tenemos más o menos zonas afectadas por el fuego. Desconozco el método oficial pero tengo claro que se debe tener claro este parámetro para las mediciones compensatorias, los seguros, etc. Recordemos que originalmente en todos los medios se establecían 3300 Has. como la cifra oficial y tan pronto como acabó, se bajó esa cifra a 2200 Has.

Mis mediciones objetivas y cuantitativas (pero siguiendo mi lógica particular, no necesariamente consensuada ni correctamente parametrizada) resulta en unos 27 km2 (en negro) desde unos más conservadores 10 km2 (en rojo).

https://elpais.com/ccaa/2019/07/04/madrid/1562256143_895750.html (El País)

Si nos ceñimos específicamente a las áreas quemadas y extraemos aquellas que lo son algo menos o que no están negras completamente. Se puede ver claramente que el incendio estuvo realmente a punto de entrar en el pueblo!!. En todo caso cuanto más lo miro más me parece algo que nos debería ayudar a tomar medidas en el futuro.

Coordinación entre organismos supraregionales (Comunidades Autónomas, Unidades Militares UME), inversión en limpieza del monte, mecanismos de compensación adecuados y ecuánimes, etc.
Comparto el archivo en formato KMZ (se abre con Google Earth, por ejemplo):

https://www.dropbox.com/s/ydoufwk3f1i9h8k/cadalso_quemado.kmz?dl=0&fbclid=IwAR3Ej4aECf27xinkTGanX9bFDTqMpZZx0jzkMR5dJwSR1B9iaJO3u8xjQ4M

Descarga y visualiza en Google Earth

Siempre sale algo bueno de algo malo y después del incendio de Cadalso se me ha abierto un mundo increíble de posibilidades de análisis desde Google Earth Engine… Solo hacen falta tres cosas: curiosidad, un poco de tiempo y amigos que hagan GIS (Gracias también Ana, Pablo, Marcela, Ligia, Doramas, Manuel, Jorge y todos los demás compis activos de GISITELE!)

Combinación de imagen de alta resolución de fondo con NBR usando leyenda de blanco (menos severo) a negro (más severo)

Hacer el análisis en Google Earth Engine ( Google Earth Engine combines a multi-petabyte catalog of satellite imagery and geospatial datasets with planetary-scale analysis capabilities and makes it available for scientists, researchers, and developers to detect changes, map trends, and quantify differences on the Earth’s surface) me ha permitido usar las imagenes sin descargarlas, un análisis más certero y consistente así como actualizado instantáneamente en caso de variar puntualmente alguno de los parámetros (por ejemplo una fecha de una imagen inicial) así como la potencialidad de verificar cuantitativamente cómo se recupera la zona a medida que pasa el tiempo.