Remote sensing AI for crop planting in wildfire fuel mapping
Sánchez Gayet, Paula (Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius)
González Fernández, Irene (Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius)
Carrillo Jordan, Carlos (Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius)
Cortés Fité, Ana (Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius)
Suppi Boldrito, Remo (Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius)

Publicación:	Cham, Switzerland: Springer, 2025
Descripción:	71 pàg.
Resumen:	Accurate wildfire prediction requires updated, high-resolution fuel maps that account for seasonal vegetation variations. The flammability of crops varies by season, affecting the behavior of wildfires. This study combines remote sensing indices and machine learning to dynamically update fuel models in cropland zones. Using Sentinel-2 data, the status of the cropland is classified as "planted" or "unplanted", achieving 80% accuracy. Applied to a 2019 wildfire in Catalonia (Spain), the updated fuel map closely matched the observed fire spread. The methodology outperforms traditional approaches and is efficient, allowing for real-time updates based on seasonal changes.
Ayudas:	Agencia Estatal de Investigación PID2023-146193OB-I00 Agencia Estatal de Investigación CPP2021-008762 Agencia Estatal de Investigación PID2020-113614RB-C21 Agència de Gestió d'Ajuts Universitaris i de Recerca 2021/SGR-00574
Derechos:	Aquest material està protegit per drets d'autor i/o drets afins. Podeu utilitzar aquest material en funció del que permet la legislació de drets d'autor i drets afins d'aplicació al vostre cas. Per a d'altres usos heu d'obtenir permís del(s) titular(s) de drets.
Lengua:	Anglès
Colección:	Lecture Notes in Computer Science ; 15906
Documento:	Capítol de llibre ; recerca ; Versió acceptada per publicar
Materia:	Remote sensing indices ; Machine learning machine learning ; Seasonal fuel map ; Wildfire ; Cropland
Publicado en:	Computational Science - ICCS 2025, 2025, p. 63-71, ISBN 978-3-031-97635-3

DOI: 10.1007/978-3-031-97635-3_8

Disponible a partir de: 2026-12-30 Postprint

El registro aparece en las colecciones:
Libros y colecciones > Capítulos de libros