¿Qué índice usar para áreas quemadas? Comparación de NBR, dNBR, RBR, BAI, MIRBI y BAIS2

Índices para áreas quemadas existen muchos. El problema no es calcularlos: el problema es decidir cuál aporta información realmente útil para el objetivo que tenemos delante.

NBR, dNBR, RBR, BAI, MIRBI y BAIS2 responden a lógicas espectrales diferentes. Algunos trabajan con una sola fecha; otros necesitan comparar condiciones preincendio y postincendio. Algunos fueron diseñados para resaltar cicatrices de fuego, mientras otros se utilizan principalmente para cuantificar cambio o apoyar la evaluación de severidad.

Por eso, cuando alguien pregunta “¿cuál es el mejor índice para áreas quemadas?”, la respuesta científicamente responsable no es elegir un ganador universal. La pregunta correcta es: ¿qué quiero detectar, con qué sensor, en qué ecosistema y frente a qué superficies necesito separar el área quemada?

En esta guía comparamos seis índices para áreas quemadas muy utilizados —NBR, dNBR, RBR, BAI, MIRBI y BAIS2— y mostramos qué información aporta cada uno, qué bandas utiliza con Sentinel-2, cuáles son sus principales limitaciones y cómo elegirlos mediante separabilidad y validación local.

1. Índices para áreas quemadas: ¿existe un ganador universal?

No. Y esta es probablemente la idea más importante de toda la entrada. Los índices para áreas quemadas deben evaluarse según el objetivo, el ecosistema y las coberturas presentes.

Los índices para áreas quemadas responden a distintas regiones del espectro, diferentes condiciones temporales y diferentes objetivos analíticos. Un índice que separa muy bien quemado y vegetación puede presentar problemas frente a suelo desnudo. Otro puede responder muy bien a cambios de humedad, pero perder contraste cuando la cicatriz envejece.

Además, el rendimiento depende de factores como:

• tipo de vegetación;
• condición preincendio;
• humedad del suelo;
• estacionalidad;
• topografía;
• tiempo transcurrido desde el fuego;
• severidad del evento;
• resolución espacial y espectral del sensor.

Por eso la selección debería basarse en la separabilidad entre quemado y las coberturas con las que puede confundirse, no en una preferencia fija por un índice.

2. NBR: la referencia clásica NIR–SWIR

El Normalized Burn Ratio (NBR) es uno de los índices para áreas quemadas más conocidos. Contrasta la respuesta del infrarrojo cercano con el SWIR de mayor longitud de onda:

NBR = (NIR − SWIR2) / (NIR + SWIR2)

Con Sentinel-2 suele implementarse utilizando:

• NIR → B8
• SWIR2 → B12

La vegetación verde normalmente presenta una respuesta alta en NIR y menor en SWIR. El fuego modifica esa relación debido a la pérdida de vegetación, cambios de humedad y exposición de nuevos materiales. Por ello, NBR es sensible a transformaciones asociadas con incendios y sigue siendo uno de los índices para áreas quemadas más utilizados como referencia.

El USGS utiliza NBR como índice para identificar áreas quemadas y como base para productos relacionados con severidad de incendio.

USGS — Normalized Burn Ratio

Fortaleza de NBR

Es conceptualmente simple, ampliamente documentado y especialmente útil como base para comparaciones temporales.

Limitación de NBR

Un valor postincendio aislado no permite saber por sí solo cuánto cambió una superficie. Además, NIR y SWIR2 no tienen la misma resolución nativa en Sentinel-2: B8 es de 10 m y B12 de 20 m. Trabajar en una grilla común no crea detalle SWIR adicional.

3. dNBR: medir el cambio pre y postincendio

El differenced Normalized Burn Ratio (dNBR) introduce la dimensión temporal:

dNBR = NBR_pre − NBR_post

Esto cambia la pregunta. NBR describe el estado espectral de una fecha; dNBR intenta cuantificar cuánto cambió entre una condición preincendio y otra postincendio. Entre los índices para áreas quemadas, esta diferencia temporal es una de las razones de su amplio uso.

Dentro de los índices para áreas quemadas, dNBR es especialmente importante cuando el objetivo es evaluar cambio o apoyar la clasificación de severidad.

El USGS señala que dNBR se utiliza para discriminar áreas quemadas y no quemadas y para identificar clases de severidad mediante umbrales. Esos umbrales, sin embargo, pueden requerir ajustes según el evento y el ecosistema.

USGS Burn Severity Portal — NBR y dNBR

Fortaleza de dNBR

Incorpora explícitamente la condición previa al fuego, algo esencial cuando una superficie ya era seca, descubierta o degradada antes del evento.

Limitación de dNBR

Depende de la selección de imágenes pre y post comparables. Fenología, humedad, estacionalidad, nubes residuales o diferencias atmosféricas pueden introducir cambios que no proceden del incendio.

4. RBR: relativizar el cambio espectral

El Relativized Burn Ratio (RBR) fue propuesto como alternativa a dNBR y RdNBR para cuantificar severidad. Su formulación es:

RBR = dNBR / (NBR_pre + 1.001)

La intención es expresar el cambio teniendo en cuenta la condición espectral previa. Esto puede reducir parte del efecto que produce comenzar desde condiciones preincendio muy diferentes. Por ello, RBR ocupa un lugar distinto dentro de los índices para áreas quemadas orientados a severidad.

En el estudio original de Parks, Dillon y Miller, realizado sobre 18 incendios del oeste de Estados Unidos, RBR mostró un acuerdo promedio ligeramente mayor con mediciones de severidad en campo que dNBR y RdNBR. Ese resultado es relevante, pero no demuestra que RBR sea superior en todos los ecosistemas.

USDA Forest Service — Relativized Burn Ratio

Fortaleza de RBR

Es útil cuando interesa relativizar el cambio respecto de la condición preincendio.

Limitación de RBR

Al igual que dNBR, necesita dos fechas comparables y una interpretación calibrada para el territorio analizado.

5. BAI: proximidad espectral en rojo–NIR

El Burned Area Index (BAI) utiliza rojo e infrarrojo cercano para medir la proximidad de un píxel a un punto espectral asociado con superficies quemadas:

BAI = 1 / [(0.1 − RED)² + (0.06 − NIR)²]

Con Sentinel-2:

• RED → B4
• NIR → B8

Ambas bandas tienen resolución nativa de 10 m, lo que representa una ventaja espacial frente a otros índices para áreas quemadas que dependen de bandas SWIR de 20 m.

Referencia científica sobre BAI y discriminación de superficies quemadas

Fortaleza de BAI

Puede resaltar cicatrices quemadas utilizando bandas de alta resolución espacial nativa en Sentinel-2.

Limitación de BAI

Una respuesta espectral próxima al punto de referencia no significa automáticamente que exista fuego. Sombras, agua y determinados suelos oscuros pueden generar respuestas problemáticas. Entre los índices para áreas quemadas, BAI requiere especial atención a las superficies oscuras.

6. MIRBI: explotar el contraste SWIR

El Mid-Infrared Burn Index (MIRBI) utiliza dos regiones SWIR:

MIRBI = 10 × SWIR2 − 9.8 × SWIR1 + 2

Con Sentinel-2:

• SWIR1 → B11
• SWIR2 → B12

Ambas bandas tienen resolución espacial nativa de 20 m. MIRBI fue diseñado para discriminar superficies quemadas y no quemadas en el espacio del infrarrojo medio y aporta una lectura SWIR diferente a otros índices para áreas quemadas.

Referencia científica sobre el desarrollo de MIRBI

Fortaleza de MIRBI

Explota directamente una región espectral sensible a cambios de humedad, material seco y condición de la superficie.

Limitación de MIRBI

Suelos secos, superficies desnudas y otras coberturas con respuestas SWIR intensas pueden reducir la separabilidad. La fórmula también debe aplicarse sobre reflectancias con una escala coherente.

7. BAIS2: un índice diseñado para Sentinel-2

El Burned Area Index for Sentinel-2 (BAIS2) fue diseñado específicamente para aprovechar la configuración espectral de Sentinel-2 MSI.

Integra bandas del rojo, red-edge, NIR estrecho y SWIR2:

BAIS2 = (1 − √((B6 × B7 × B8A) / B4)) × (((B12 − B8A) / √(B12 + B8A)) + 1)

Su particularidad es incorporar información red-edge, que no está presente en índices clásicos como NBR o BAI. Eso lo convierte en uno de los índices para áreas quemadas más específicamente vinculados con la configuración espectral de Sentinel-2.

El trabajo original de BAIS2 lo evaluó en incendios de Italia de 2017 y comparó BAIS2/dBAIS2 con NBR/dNBR. Los resultados mostraron buena capacidad de separación en esos casos, pero esto debe entenderse dentro del alcance de ese estudio y no como una superioridad universal.

Filipponi — BAIS2: Burned Area Index for Sentinel-2

Fortaleza de BAIS2

Está específicamente diseñado para Sentinel-2 y aprovecha las bandas red-edge además de NIR y SWIR.

Limitación de BAIS2

La mayoría de sus bandas relevantes tienen resolución nativa de 20 m. Además, integrar más bandas no elimina la necesidad de validar frente a suelo, agua, sombras y vegetación seca.

8. Índices para áreas quemadas: comparación directa

La tabla deja clara una idea: los índices para áreas quemadas no son equivalentes. Incluso cuando dos productos parecen visualmente similares, pueden estar respondiendo a regiones espectrales y procesos distintos.

9. Separabilidad: la prueba que realmente importa

Elegir un índice porque “se ve mejor” en el mapa es insuficiente.

Una evaluación más rigurosa compara las distribuciones del índice entre clases conocidas:

• área quemada;
• vegetación verde no quemada;
• suelo no quemado;
• vegetación seca;
• agua;
• sombras u objetos oscuros.

La pregunta no es únicamente si el valor medio de quemado es diferente. También interesa saber cuánto se solapan las distribuciones.

Por eso, la separabilidad puede ser una herramienta mucho más útil que una comparación visual para seleccionar índices para áreas quemadas. Si BAI separa bien quemado de vegetación pero se confunde con sombras, mientras MIRBI separa mejor quemado de sombras pero se solapa con suelo seco, esa información permite entender qué combinación resulta más útil para el problema concreto.

El objetivo no es fabricar un ranking universal. Es identificar qué variable aporta información adicional frente a las confusiones reales del territorio.

10. Índices para áreas quemadas: ¿qué usar según el objetivo?

Si necesitas una lectura espectral rápida postincendio

NBR, BAI, MIRBI y BAIS2 pueden utilizarse como candidatos de una sola fecha. La elección debería depender de su separabilidad local.

Si necesitas demostrar que hubo cambio

dNBR añade una comparación explícita entre pre y postincendio. También pueden construirse diferencias temporales de otros índices, siempre que la convención esté claramente definida.

Si el objetivo es severidad

dNBR y RBR tienen una tradición específica en evaluación de severidad. RBR fue propuesto para relativizar el cambio respecto de la condición preincendio. La relación entre valores espectrales y clases de severidad debe validarse.

Si trabajas específicamente con Sentinel-2 y quieres aprovechar red-edge

BAIS2 resulta especialmente interesante porque fue diseñado para la configuración espectral de Sentinel-2.

Si suelo seco es una fuente importante de confusión

No asumas que MIRBI o cualquier índice SWIR resolverá automáticamente el problema. Compara explícitamente las distribuciones de quemado y suelo no quemado.

Si agua y sombras son frecuentes

BAI puede requerir especial cautela, pero cualquier índice debe evaluarse frente a estas clases.

En todos los escenarios, los índices para áreas quemadas deben seleccionarse a partir de evidencia de separabilidad y validación, no por popularidad.

11. Seis errores frecuentes al comparar índices

1. Buscar un ganador universal. El rendimiento cambia entre ecosistemas y eventos.
2. Confundir detección con severidad. Encontrar una cicatriz y cuantificar daño son objetivos diferentes.
3. Usar umbrales de otro estudio sin calibración local.
4. Ignorar suelo, agua, vegetación seca y sombras.
5. Mezclar resoluciones sin considerar la resolución nativa de Sentinel-2.
6. Interpretar el mapa visualmente sin validación independiente.

Copernicus documenta que B4 y B8 tienen 10 m, mientras B5, B6, B7, B8A, B11 y B12 tienen 20 m. Remuestrear una banda no aumenta su información espacial original.

Copernicus — especificaciones de Sentinel-2 MSI

12. Validación antes de convertir el índice en mapa

La etapa final no debería ser “aplicar un umbral”. Debería ser demostrar que el producto representa adecuadamente el fenómeno que queremos cartografiar. La comparación de índices para áreas quemadas solo tiene sentido si termina en una validación independiente.

Esto puede incluir:

• muestras independientes de áreas quemadas y no quemadas;
• matriz de confusión cuando se produce una clasificación temática;
• precisión y recall por clase;
• evaluación de errores de comisión y omisión;
• comparación entre eventos y fechas;
• análisis de separabilidad antes de definir umbrales.

Los índices para áreas quemadas son variables espectrales. Convertirlos en un mapa de áreas quemadas exige una decisión de clasificación, y esa decisión también debe validarse.

Conclusión: el mejor índice es el que responde a tu pregunta y supera la validación

NBR, dNBR, RBR, BAI, MIRBI y BAIS2 son herramientas valiosas, pero no intercambiables. Elegir entre estos índices para áreas quemadas requiere conectar la variable con la pregunta ambiental.

NBR resume el contraste NIR–SWIR2.

dNBR cuantifica el cambio entre pre y postincendio.

RBR relativiza ese cambio respecto de la condición previa.

BAI busca proximidad a una referencia espectral en rojo–NIR.

MIRBI explota el contraste entre dos regiones SWIR.

BAIS2 aprovecha específicamente el rojo, red-edge, NIR estrecho y SWIR de Sentinel-2.

La elección entre índices para áreas quemadas debería basarse en el objetivo del estudio y, sobre todo, en la capacidad de cada variable para distinguir la superficie quemada de las coberturas con las que realmente se confunde.

No preguntes únicamente qué índice produce el contraste más fuerte. Pregunta cuál aporta la mejor evidencia para tu territorio y puede demostrarlo mediante validación.

Referencias recomendadas

• USGS — Normalized Burn Ratio
• USGS Burn Severity Portal — NBR, dNBR y RBR
• Parks, Dillon & Miller — Relativized Burn Ratio
• Chuvieco, Martín & Palacios — Burned Area Index
• Trigg & Flasse — Mid-Infrared Burn Index
• Filipponi — BAIS2: Burned Area Index for Sentinel-2
• Copernicus — Sentinel-2 MSI spectral and spatial specifications