Amèrica del Sud
La situació provocada per la COVID-19 ha fixat el focus mediàtic en altres punts d’atenció, però el cert és que, segons dades de l’Institut d’Investigacions Espacials (INPE) del Brasil, durant l’estiu del 2020 es van desforestar més d’un milió d’hectàrees a la selva amazònica.
A simple vista no es pot diferenciar l’extensió cremada, i és per això que necessitem la combinació de bandes i l’aplicació d’alguns algoritmes entre bandes que ressalten certs aspectes del territori com la vegetació, la humitat o el foc. Aquesta tasca és la que duu a terme l’INPE, que mitjançant les imatges de satèl·lit quantifica la desforestació a bona part de la selva tropical de l’Amèrica del Sud i qüestiona amb dades empíriques les fonts oficials.
Algunes combinacions de bandes permeten distingir clarament l’extensió cremada de la resta, mentre que d’altres permeten, fins i tot, detectar l’avenç de la llengua del foc. A continuació es mostren alguns exemples on es visualitza clarament les àrees cremades de la selva:
A l’esquerra, incendi a l’Amazònia brasilera (al nord de l’Estat de Goiás) el 15 de setembre de 2019. Combinació de bandes en color natural (4-3-2). CC BY 4.0 Sentinel Hub EO Browser.
A la dreta, incendi a l’Amazònia brasilera (al nord de l’Estat de Goiás) el 15 de setembre de 2019. NDVI o Normalized Difference Vegetation Index. CC BY 4.0 Sentinel Hub EO Browser.
L’índex NDVI (Normalized Difference Vegetation Index) combina les bandes relatives a la llum de color vermell i l’infraroig proper que, en el cas del satèl·lit Sentinel-2, són les bandes 4 i 8, respectivament. Quan la vegetació és vigorosa reflecteix molta radiació solar en l’infraroig proper i molt poca en el vermell. En canvi, quan la vegetació està malalta succeeix el contrari. L’NDVI es calcula amb la fórmula següent: (B8-B4) / (B8+B4)
D’aquesta manera s’obté un índex amb valors que oscil·len entre -1 i +1, on els valors negatius corresponen a masses d’aigua i cobertes artificials (tons marronosos); els valors entre 0 i 0,3 serien sòls nus (tonalitats de verd més clar); i els valors superiors corresponen a cobertes vegetals, sent els valors més propers a 1 els que indiquen una vegetació més vigorosa (representats en verd més fosc).
A l’esquerra, incendi a l’Amazònia brasilera (al nord de l’Estat de Goiás) el 15 de setembre de 2019. Combinació de bandes en color natural (4-3-2). CC BY 4.0 Sentinel Hub EO Browser.
A la dreta, incendi a l’Amazònia brasilera (al nord de l’Estat de Goiás) el 15 de setembre de 2019. Combinació de bandes en falso color (12-11-4). CC BY 4.0 Sentinel Hub EO Browser.
Per detectar les flames o la llengua d’avançament del foc recorrem a les ones encarregades de captar la temperatura, els raigs infrarojos. La combinació de bandes dels raigs infrarojos de longitud d’ona curta (SWIR o short-wave infrared), o el que és el mateix, les bandes 12 i 11, amb la llum vermella (banda 4), ens proporcionen unes imatges que permeten identificar la presència del foc en el precís instant en què es va capturar la imatge.
A l’esquerra, incendi a l’Amazònia brasilera (al nord de l’Estat de Goiás) el 15 de setembre de 2019. Combinació de bandes en color natural (4-3-2). CC BY 4.0 Sentinel Hub EO Browser.
A la dreta, incendi a l’Amazònia brasilera (al nord de l’Estat de Goiás) el 15 de setembre de 2019. Combinació de bandes en fals color (12-8-4). CC BY 4.0 Sentinel Hub EO Browser.
En canvi, si a més de la llengua del foc volem identificar les zones cremades en una sola imatge podem combinar els raigs infrarojos de longitud d’ona curta (banda 12), que identifiquen el foc, amb l’infraroig proper (NIR o near infrared, banda 8) i la llum vermella (banda 4), que identifiquen la vegetació.
El Servei de SIG i Teledetecció (SIGTE) de la Universitat de Girona forma part de la Copernicus Academy una xarxa d’universitats, centres d’investigació i organitzacions amb l’objectiu d’intercanviar coneixements i experiències sobre el programa Copernicus d’observació de la Terra.
CC BY-NC-ND | Imatges de satèl·lit: CC BY 4.0 Sentinel Hub EO Browser | Avís legal i protecció de dades