ANÁLISIS GLOBAL DE ÁREAS QUEMADAS PARA LA MODELIZACIÓN CLIMÁTICA: EXPERIENCIAS DEL PROYECTO FIRE_CCI

Emilio Chuvieco1*, M. Lucrecia Pettinari1, Joshua Lizundia-Loiola1, Gonzalo Oton1, Rubén Ramo1, Marc Padilla2, Kevin Tansey2, Thomas Storm3, Pierre Laurent4, Angelika Heil5, Johannes W. Kaiser5, Florent Mouillot6, José Miguel Pereira7, Duarte Oom7, Manuel Campagnolo7, Aitor

Bastarrika8, Ekhi Roteta8, Guido van der Werf9, José Gomez-Dans10 and Philip Lewis10

1Environmental Remote Sensing Research Group, University of Alcalá, Spain. emilio.chuvieco@uah.es, mlucrecia.pettinari@uah.es, gonzalo.oton@uah.es, joshua.lizundia@uah.es, ruben.ramo@uah.es 2Department of Geography, University of Leicester, Leicester, UK kjt7@leicester.ac.uk, mp489@leicester.ac.uk3Brockmann Consult, Germany, thomas.storm@brockmann-consult.de 4Laboratoire des Sciences du Climat et de l’Environnement, LSCE CEA CNRS UVSQ, 91191 Gif- Sur-Yvette, France, pierre.laurent@lsce.ipsl.fr 5Max Planck Institute for Chemistry, Mainz, Germany. a.heil@mpic.de, j.kaiser@mpic.de 6UMR CEFE 5175, CNRS/Université de Montpellier/Université Paul-Valéry Montpellier/ EPHE/IRD, France. florent.mouillot@cefe.cnrs.fr 7Centro de Estudos Florestais, Instituto Superior de Agronomia, Universidade de Lisboa. Lisboa, Portugal. jmocpereira@gmail.com, mlc@isa.ulisboa.pt, duarte.oom@gmail.com8University of the Basque Country, Vitoria, Spain. aitor.bastarrika@ehu.es, ekhi.roteta@gmail.com9 Vrije Universiteit Amsterdam, Netherlands, guido.vander.werf@vu.nl 10 University College London, United Kingdom, j.gomez-dans@ucl.ac.uk, p.lewis@ucl.ac.uk

RESUMEN

Los incendios de bosques, pastos y cultivos tienen efectos globales de gran importancia, tanto en la atmósfera como en los ecosistemas terrestres, afectando a la emisión de gases de efecto invernadero y aerosoles, así como a la cobertura del suelo y al balance de radiación terrestre. En los últimos años se han generado varios productos globales de área quemada, pero se mantienen incertidumbres en la estimación de las superficies afectadas, sobre todo en lo que afecta a los incendios pequeños y de menor intensidad. El proyecto Fire_cci forma parte de la iniciativa de cambio climático de la agencia espacial europea (ESA CCI). Está generando series temporales de área quemada para entender mejor los impactos globales del fuego, sus características espaciales y temporales. El proyecto incluye también el análisis de los efectos climáticos del fuego, particularmente en las emisiones y en la dinámica global de la vegetación.

Los productos de área quemada del proyecto Fire_cci se han desarrollado a partir de los sensores MERIS y MODIS (300 y 250 m de resolución, respectivamente), complementado con sensores de mayor resolución para mejorar la estimación de incendios de pequeño tamaño en África (en este caso, a partir de datos del Sentinel-1 y 2). La validación global se ha realizado a partir de un muestreo estratificado empleando como referencia perímetros de área quemada generados con datos Landsat para una serie de 12 años.

Palabras clave: Área Quemada, Fuego, CCI, MODIS, MERIS.

ABSTRACT

Biomass burnings (including forest, grassland, peatland and agricultural fires) have important impacts on global terrestrial and atmospheric systems, affecting land cover, surface albedo, and the atmospheric concentration of greenhouse gases and aerosols. Several products have been generated in the last years

to estimate total burned area, but uncertainties remain, particularly those associated to small and low intensity fires. The Fire_cci project of the European Space Agency’s Climate Change Initiative aims to generate consistent time series of burned area products to assess the extents of biomass burnings, as well as their spatial and temporal characteristics. Fire impacts on atmospheric and terrestrial processes are assessed, as well as modifications of vegetation patterns and biomass availability.

The global burned area products of the Fire_cci program currently available are derived from MERIS FRS data and MODIS (300 and 250 m resolution, respectively), covering the period from 2001 to 2016. These global burned area products are complemented with a small-fire database for Subsaharian Africa, generated from Sentinel-2 and Sentinel-1 at 20 m spatial resolution. Validation of the global products is based on a statistical sampling design of Landsat frames including time and space variation.

Palabras clave: Área Quemada, ESA, Climate Change Initiative, MODIS, MERIS, incendios.

1. INTRODUCCIÓN

El fuego ha influido en la historia humana desde sus orígenes. Fue utilizado para cocinar, cambiar la composición vegetal, cazar y crear herramientas. Hoy en día, el fuego todavía es utilizado ampliamente para transformar el uso del suelo, mejorar la composición nutricional de los suelos, y como ayuda para la caza, la minería y otras actividades humanas (Bowman et al., 2013; Hantson et al., 2015). Las estimaciones actuales muestran que unos 3.5-4 Mkm2 se queman cada año (Alonso-Canas y Chuvieco, 2015; Giglio et al., 2013). El fuego afecta principalmente a los bosques tropicales y las sabanas en África, Brasil e Indonesia, los bosques templados y pastizales en EEUU, Sudamérica y Eurasia, y los bosques boreales en Siberia y Norteamérica. Los efectos del fuego incluyen impactos en la composición atmosférica, balance de carbono y dinámica de la vegetación. Las estimaciones de las emisiones globales debidas a los incendios se encuentran en torno a 2 PgC/año (van der Werf et al., 2010). Complementariamente, el fuego reduce la cubierta arbórea y en consecuencia la capacidad de los ecosistemas terrestres para captar carbono (Yue et al., 2014).

Aún cuando la comprensión actual de la interacción entre el clima y los incendios es limitada, hay una evidencia creciente de su mutuo impacto (Hantson et al., 2015; Kloster et al., 2012; Yue et al., 2015). El clima tiene una fuerte influencia en todos los aspectos de los regímenes de incendio. Está relacionado con la estacionalidad de la temperatura y la humedad, así como en los vientos que ayudan a propagar las llamas. El clima también influye en la naturaleza y disponibilidad de los combustibles, a través de su influencia en la productividad y tipo de vegetación. Los cambios esperados en la temperatura (que generaría condiciones más secas para la vegetación) y en la precipitaciones debido al cambio climático es probable que incrementen la frecuencia de los incendios en algunas regiones, mientras que en otras regiones puede disminuirla debido a la disminución de la producción de biomasa (Krawchuk et al., 2009).

Por otro lado, los incendios también afectan al clima. Las emisiones de gases de efecto invernadero y aerosoles, como así también los cambios en el albedo (de vegetación a suelo) afectan el balance radiativo, aunque sus impactos todavía no están bien estudiados. Por ejemplo, el impacto del incremento de los incendios en bosques boreales sobre el calentamiento global podría estar limitado o incluso resultar en un enfriamiento regional debido al incremento del albedo superficial después de un incendio (el albedo de la nieve es mucho mayor que el de la vegetación). Los estudios sobre modelado del clima sugieren que los aerosoles derivados de los incendios podrían alargar o intensificar los períodos de sequía en las regiones ecuatoriales. La relevancia de los incendios en el sistema terrestre global ha provocado el desarrollo de módulos sobre incendios en los Modelos Globales de Dinámica de la Vegetación (DGVM), tales como el SPITFIRE (Yue et al., 2015).

Los impactos globales del fuego justifican el creciente interés de desarrollar productos globales de área quemada. Esta fue la razón para seleccionar a las alteraciones debidas al fuego como una de las Variables Climáticas Esenciales (ECV en inglés) definidas por el Global Climate Observing System (GCOS). Estas ECVs pretenden contar con un archivo sistemático y de larga duración de observaciones que sean relevantes para el modelado climático. Muchas de estas variables pueden ser obtenidas sistemáticamente utilizando diferentes sistemas de observación de la tierra. En consecuencia, GCOS ha desarrollado directrices generales para crear programas internacionales para generar estas ECVs (GCOS, 2016). La Agencia Espacial Europea (ESA) ha respondido a esta petición creando la Iniciativa para el Cambio Climático (CCI, Climate Change Initiative) en 2010. El Programa ESA CCI incluye 13 variables que cubren ECVs atmosféricas, oceánicas y terrestres, y que son derivadas sistemáticamente a partir de sensores satelitales vigentes (Hollmann et al., 2013).

Las alteraciones debidas al fuego (definidas como la extensión y características de las áreas quemadas) fue una de esas variables incluidas en el programa ESA CCI en 2010. Desde ese momento, los miembros del proyecto han generado bases de datos globales de área quemada (AQ), con su correspondiente información auxiliar para cumplir con los requerimientos de los modeladores del clima. Este artículo presentar los principales resultados del proyecto Fire_cci, incluyendo el inventario de las necesidades de los usuarios, la generación de los productos, y la validación y la evaluación de los resultados. Complementariamente a los productos globales, también se ha generado una Base de Datos de incendios pequeños (<50 ha) para el África Sub-sahariana, que no será analizada en este documento.

2. MÉTODOS

2.1. Análisis de las necesidades de los usuarios

Dado que la comunidad objetivo del Programa CCI son los modeladores del clima, se realizó una encuesta para entender mejor las necesidades de los usuarios y preparar las especificaciones de los productos a partir de ellas. La revisión de Mouillot et al. (2014) identificó los usos principales de los productos de área quemada y las demandas específicas de los modeladores. Ese trabajo fue ampliado a partir de cuestionarios a distintos usuarios de productos de AQ, incluyendo modeladores de carbono y química atmosférica, ecólogos del fuego y agentes de protección civil. Como resultado de la revisión bibliográfica y las consultas a los usuarios, se identificaros varias prioridades para los productos globales de área quemada:

(i) Series de datos largas para entender las interacciones del fuego, clima y vegetación a largo plazo. La consistencia temporal se debería asegurar con un límite en la variación de un 5%.

(ii) La resolución temporal debería ser diaria en la resolución espacial original del sensor, semanal, cada 10 días o mensual a escala global.

(iii) La resolución espacial de los productos debería ser de 5 a 25 hectáreas para análisis regionales, y 0.25 a 0.5 grados a escala global.

(iv) Los máximos errores de comisión y omisión deberían ser menores al 15%, con protocolos de validación aceptados internacionalmente.

(v) Se debería incluir la trazabilidad de los errores y la caracterización de la incertidumbre tanto en el producto pixel como teselar, de manera que fuera fácilmente entendible y utilizable por los usuarios de diversas aplicaciones.

(vi) Los datos deberían ser fácilmente accesibles, incluyendo información auxiliar y metadatos sobre la cobertura quemada, la distribución de parches de incendios y la severidad/eficiencia del quemado.

2.2 Especificaciones de los productos

Siguiendo las recomendaciones de los usuarios, se definieron dos productos de área quemada dentro del proyecto Fire_cci, que incluyen tanto resultados a nivel de pixel como teselar. En el primer caso, el producto tiene la misma resolución que el sensor utilizado para la detección de AQ, mientras que en el segundo esta resolución disminuye para poder ofrecer un resumen global que se adecúa a las necesidades de los modeladores del clima. Los productos son:

• Producto pixel. Se distribuye por continentes ofreciendo el AQ mensual. Incluye la fecha de quemado, la incertidumbre y la cobertura de suelo (extraído del producto generado por el proyecto Land Cover CCI). El formato de los archivos es GeoTIFF.

• Producto teselar (grid) distribuido en celdas de 0.25 grados que suma el área quemada detectada en períodos de 15 días (en la última versión 30 días). Incluye 23 capas: área quemada total para cada período, la fracción de área observada, la fracción de área combustible, número de manchas de quemado y la área quemada total detectada en esos 15 días por cada una de las 18 clases de coberturas de suelo. El formato de salida para este caso es el NetCDF.

En ambos casos los productos van acompañados de información adicional (metadatos), ya sea en formato XML (producto pixel) o integrados dentro del propio archivo (producto grid).

2.3 Algoritmo de área quemada

A lo largo del transcurso del proyecto Fire_cci se han desarrollado varios algoritmos adaptados a cada uno de los sensores de entrada:

• Base de datos de pequeños incendios a escala continental. Está basado en los datos del Sentinel-1 radar (SAR) y en el Sentinel-2 MSI (óptico).

• Escala global: MERIS (300 m) a bordo del ENVISAT, MODIS (250m) a bordo del TERRA y OLCI y SLSTR a bordo del satélite Sentinel-3. Este artículo se centra en estas bases de datos.

El algoritmo de MERIS combinaba cambios temporales en la reflectividad del infrarrojo cercano (NIR) con la localización de fuegos activos (Alonso-Canas y Chuvieco, 2015). Un método similar fue aplicado para el sensor MODIS, pero, en este caso, utilizando solo las bandas a máxima resolución (250 m), completando así los productos de área quemada de la NASA, que se distribuyen a una resolución de 500 m (Giglio et al., 2013). Tanto el algoritmo MERIS como el MODIS realizan la detección en dos fases. La primera tiene como objetivo seleccionar los píxeles semilla (aquéllos claramente quemados), minimizando así los errores de comisión, mientras que la segunda se aplica un crecimiento contextual partiendo de los píxeles semilla para discriminar la mancha de quemado en su totalidad; esta segunda fase trata de reducir los errores de omisión. Antes de aplicar la fase de detección de semillas, se genera un compuesto mensual. El criterio de composición se basa en seleccionar la fecha del HS más cercano. Este criterio trata de identificar aquellos días en los que la señal de quemado tiene un alto contraste, evitando la selección de nubes, sombras de nubes y otros artefactos.

Una vez creado el compuesto, la fase del semillado trata de seleccionar aquellos píxeles con más probabilidad de estar quemados. Como las características de las áreas quemadas varían a lo largo de la Tierra y, en consecuencia, también su respuesta espectral en diferentes ecosistemas, esta fase emplea un método estadístico adaptado regionalmente. Los umbrales de detección fueron definidos para cada mes y tile de 10 x 10 grados, utilizando la función de distribución de la probabilidad de la reflectividad NIR en base a los píxeles en los que un fuego activo fue detectado en ese período y región. Después se aplica un criterio que maximiza la separabilidad entre las funciones de distribución de la probabilidad de las clases de quemado y no quemado, con el objetivo de estabilizar los umbrales espacio-temporales. Además de este criterio, se añade otro umbral en la reflectividad NIR, para asegurar que los píxeles

seleccionados estaban realmente quemados. Una vez seleccionadas las semillas, se aplica un crecimiento contextual alrededor de las mismas, seleccionando así otros píxeles que tenían probabilidad de estar quemados. Esta fase de crecimiento se basa en los valores NIR y el cambio del NIR y rojo que se da entre los píxeles semilla y los píxeles de alrededor. Un proceso parecido se sigue en el caso de MODIS, adaptando umbrales que se adecuaban mejor a las características de las bandas del rojo y el infrarrojo de MODIS.

El algoritmo de área quemada fue procesado a escala global para los dos sensores. En el caso de las imágenes de alta resolución de MERIS la serie temporal incluye el período que va de 2005 a 2011 (Chuvieco et al., 2016), mientras que en el caso de las imágenes MODIS, el período procesado se extiende a lo largo de los años 2001 – 2016 (Chuvieco et al., 2018). Ambos productos de área quemada están disponibles públicamente y se pueden descargar de forma gratuita (http://cci.esa.int/data último acceso, 4 de marzo de 2018).

2. 4. Validación

Los datos de referencia usados para la validación fueron derivados de pares de imágenes Landsat consecutivas en el tiempo, siguiendo las directrices CEOS Cal-Val (Boschetti et al., 2009). Los perímetros del fuego de referencia fueron derivados desde un algoritmo semiautomático y revisados visualmente por dos intérpretes. El muestreo final incluye 1200 pares Landsat siguiendo un diseño de muestreo aleatorio estratificado (Padilla et al., 2017). Las medidas de precisión fueron derivadas desde una matriz de error, obtenidas desde una tabulación cruzada entre el producto y los mapas de referencia: precisión global (OA), error de comisión (CE), error de omisión (OE), Dice coefficient (DC), bias (B) y relative bias (relB), las dos últimas hacen referencia a las tendencias de sub o sobrestimación de área quemada.

3. RESULTADOS

3.1. Tendencias espaciales

La Figura 1 incluye un ejemplo del conjunto de datos del área quemada global para 2016 basada en el producto MODIS Fire_cci v5.0. La mayoría de los grandes incendios ocurrieron en las regiones tropicales, particularmente en el continente africano, seguidas por las regiones del norte de Australia, Brasil central, los Llanos venezolanos y colombianos, y el sudeste de Asia. Un segundo cinturón de regiones quemadas es patente en las praderas templadas y en las tierras de cultivo de Asia central y el sudeste de los EE.UU. El bosque boreal de Rusia y Canadá también tienen un papel importante en la quema de biomasa global.

Figura 1: Área quemada global del producto MODIS Fire_cci v5.0 (2016)

3.2 Tendencias temporales

La media anual de área quemada que obtuvimos fue de 4.435 Mkm2, aproximadamente el tamaño de la India y Colombia juntas. Los años con mayor área quemada fueron 2004 y 2011 con más de 4.8 Mkm2, mientras que solo 2013 y 2016 tuvieron menos de 4 Mkm2. Estas tendencias globales son muy similares al GFED4, la base de datos de área quemada más utilizada (Giglio et al., 2013), aunque ésta ofrece estimaciones más bajas que nuestro producto, con un promedio anual de 3.41 Mkm2 y variaciones anuales entre 2.99 y 3.66 Mkm2. Sin embargo, el último producto de AQ de NASA MCD64 c6 aumenta esas estimaciones en un 30% superando al Fire_cci en un 15%. La Figura 2 muestra el ciclo estacional y multianual de la actividad de incendios comparando nuestros resultados con las bases de datos de área quemada del GFED4 y el MCD64 c6.

Figura 2. Tendencias temporales de área quemada en los distintos productos de área quemada

Se observa claramente un patrón estacional a través de los años, mediante dos picos. El primero se encontró localizado en diciembre-enero, el cual corresponde principalmente a la estación seca del hemisferio norte (incendios tropicales del África Sub-Sahariana, el norte de Australia, el Sudeste Asiático, Centroamérica y la franja norte de América del sur). El segundo ocurrió en Julio-Septiembre y hace referencia a los incendios de regiones tropicales del hemisferio sur de África y Sudamérica, los incendios agrícolas y de pastos del Sur de Asia, los incendios en bosques templados del Mediterráneo, EE.UU. y Australia, y las regiones boreales de Canadá, Rusia y Alaska. Las cuatro bases de datos de área quemada presentan un gran acuerdo, a pesar de que el MCD64 c6 estima generalmente valores más altos. El producto GFED4 basado en imágenes MODIS, y los productos Fire_cci muestran tendencias similares, con una tendencia a sobrestimar área quemada en el pico de invierno (diciembre-febrero) en el caso del producto MERIS.

3.3. Patrones espacio-temporales del producto pixel

La Figura 3 muestra un ejemplo del producto pixel generado a partir de la base de datos MODIS Fire_cci v5.0. La figura incluye el día de detección de quemado, proporcionando una mayor resolución que el producto teselar para analizar los patrones espacio-temporal del fuego.

Figura 3: Producto píxel: día de detección para el Africa Sub-Sahariana para el año 2008.

Como es de esperar, se puede observar dos franjas paralelas, una en el cinturón tropical del hemisferio norte (Senegal, Costa de Marfil, Ghana, Nigeria, Camerún, CAR Chad, Sudán), que se quema principalmente al inicio y final del año coincidiendo con la estación seca de los trópicos del Hemisferio Norte. Y la segunda, que se sitúa al Sur del Ecuador, donde la estación seca ocurre entre Junio y Septiembre, siendo Angola, Zambia, Zimbabue, Sudáfrica, Mozambique, Madagascar y Tanzania los países más afectados. El producto pixel puede ser empleado para diferentes propósitos, a escala global y regional. Este producto ha sido empleado en el análisis de las formas de los incendios (Chuvieco et al., 2018; Chuvieco et al., 2016), los cuales son un punto clave en el estudio de los patrones de propagación del fuego.

3.4. Validación

A escala global, y para el periodo de tiempo donde existen datos, la precisión del producto MODIS Fire_cci v5.0, expresada mediante el Dice Coeficient (DC), es de 0.365 (error estándar = 0.026). Este valor es significativamente mayor que el producto MERIS Fire_cci v4.1 (DC=0.248 y EE=0.030), pero menor que la del producto MCD64A1 c6 (DC=0.478 y EE=0.031). De manera similar, los ratios de comisión y la omisión para el MODIS Fire_cci v5.0 son 0.512 (0.020) y 0.708 (0.30) respectivamente, de 0.643 (0.045) y 0.810 (0.030) respectivamente para MERIS Fire_cci v4.1, y de 0.353 (0.016) y 0.622 (0.038) respectivamente para MCD64A1. MODIS Fire_cci v5.0 infraestima una fracción de 0.402 (0.058) del área quemada contenida en los datos de referencia. Este ratio se obtiene mediante el cálculo del sesgo relativo (relB), siendo este levemente menor que el del MCD64A1 c6, 0.415 (0.056), y más bajo en el obtenido por el producto MERIS Fire_cci v4.1, 0.468 (0.094).

Debemos señalar que estos errores probablemente hayan sido sobre-estimados, ya que no tienen en cuenta las imprecisiones temporales. Esto significa que, pixeles que han sido correctamente clasificados como quemados, han sido etiquetados como errores de omisión debido a que fueron detectados después del día de referencia tomado de los pares de imágenes Landsat empleados en el proceso de validación. De manera similar, pixeles correctamente clasificados como quemados, pero etiquetados con una fecha anterior a la adquisición de los pares de imágenes Landsat, fueron considerados como errores de comisión. Para analizar este impacto, se empleó la cartografía oficial de áreas quemadas de tres grandes zonas (de alrededor de 250.000 km2) en Australia, Canadá y California. Los errores de omisión y comisión de estas áreas son significativamente más bajos que los observados en la muestra de validación global (comisión de 0.22 a 0.4 y omisión de 0.35 a 0.5).

4. CONCLUSSIONES

Este artículo muestra los resultaos del proyecto Fire_cci, incluido en el programa Iniciativa por el Cambio Climático de la Agencia Espacial Europea. La primera evaluación de los resultados muestra coherencia con las tenencias espaciales y temporales, con patrones similares a los observados en los productos de área quemada más empleados. La validación preliminar muestra una alta precisión global, pero también una alta comisión y omisión en la clase de quemado. Estos errores están parcialmente relacionados con la fecha de detección de quemado y la influencia de los incendios pequeños en algunas regiones.

5. AGRADECIMIENTOS

El proyecto Fire_cci está financiado por la Agencia Espacial Europea como parte el programa Iniciativa por el Cambio Climático.

6. REFERENCIAS

Alonso-Canas, I. y E. Chuvieco (2015): Global Burned Area Mapping from ENVISAT-MERIS data Remote Sensing of Environment, 163: 140-152.

Boschetti, L., D. P. Roy y C. O. Justice (2009): International Global Burned Area Satellite Product Validation Protocol. Part I – production and standardization of validation reference data. http://lpvs.gsfc.nasa.gov/DOC/protocol_revised_Apr09.doc.

Bowman, D. M., J. A. O'Brien y J. G. Goldammer (2013): Pyrogeography and the global quest for sustainable fire management. Annual Review of Environment and Resources, 38: 57-80.

Chuvieco, E., J. Lizundia, et al. (2018): Generation and analysis of a new global burned area product based on MODIS 250m reflectance bands and thermal anomalies. Submitted to Earth System Science Data (ESSD).

Chuvieco, E., C. Yue, et al. (2016): A new global burned area product for climate assessment of fire impacts. Global Ecology and Biogeography, 25: 619-629.

GCOS (2016): The Global Observing System for Climate: Implementation Needs, Geneva, Switzerland, GCOS-200. World Meteorological Organization.

Giglio, L., J. T. Randerson y G. R. Werf (2013): Analysis of daily, monthly, and annual burned area using the fourth generation global fire emissions database (GFED4). Journal of Geophysical Research: Biogeosciences, 118: 317-328.

Hantson, S., S. Pueyo y E. Chuvieco (2015): Global fire size distribution is driven by human impact and climate. Global Ecology and Biogeography, 24: 77-86.

Hollmann, R., C. J. Merchant, et al. (2013): The ESA Climate Change Initiative: satellite data records for essential climate variables. Bulletin of the American Meteorological Society, 94: 1541-1552.

Kloster, S., N. Mahowald, J. Randerson y P. Lawrence (2012): The impacts of climate, land use, and demography on fires during the 21st century simulated by CLM-CN. Biogeosciences, 9: 509-525.

Krawchuk, M. A., M. A. Moritz, M.-A. Parisien, J. Van Dorn y K. Hayhoe (2009): Global Pyrogeography: the Current and Future Distribution of Wildfire. PLoS ONE, 4: e5102.

Mouillot, F., M. G. Schultz, C. Yue, P. Cadule, K. Tansey, P. Ciais y E. Chuvieco (2014): Ten years of global burned area products from spaceborne remote sensing—A review: Analysis of user needs and recommendations for future developments. International Journal of Applied Earth Observation and Geoinformation, 26: 64-79.

Padilla, M., P. Olofsson, S. V. Stehman, K. Tansey y E. Chuvieco (2017): Stratification and sample allocation for reference burned area data. Remote Sensing of Environment, 203: 240-255.

van der Werf, G. R., J. T. Randerson, et al. (2010): Global fire emissions and the contribution of deforestation, savanna, forest, agricultural, and peat fires (1997-2009). Atmospheric Chemistry and Physics, 10: 11707–11735.

Yue, C., P. Ciais, et al. (2014): Modelling the role of fires in the terrestrial carbon balance by incorporating SPITFIRE into the global vegetation model ORCHIDEE–Part 1: simulating historical global burned area and fire regimes. Geoscientific Model Development, 7: 2747-2767.

Yue, C., P. Ciais, P. Cadule, K. Thonicke y T. T. van Leeuwen (2015): Modelling the role of fires in the terrestrial carbon balance by incorporating SPITFIRE into the global vegetation model ORCHIDEE – Part 2: Carbon emissions and the role of fires in the global carbon balance. Geosci. Model Dev. Discuss, 8: 1321-1338.