ArticlePDF Available

Operational Meteo Fire Danger System Based On Space Information For Chaco Serrano

Authors:

Abstract and Figures

In this paper we present the operational implementation of a fire danger mapping system based on Numerical Weather Prediction and space derived Moisture Content of Live Fuels (LFMC) for the Chaco Serrano sub-region. The system is operative since the end of 2016 and estimates the fire danger index automatically (without any man operator), based on the 72 hours forecast of the Weather Research and Forecast (WRF) model for the meteorological component. In addition, the model implemented here incorporates, in its last version, an automatic estimation of LFMC based on MODIS spectral indexes and a land cover classification. Thus, this operational outcome is part of the suite of products that the Argentinean Space Agency CONAE, in Cooperation with academic institutions, develops in the way to apply geospatial information and satellite based products to help on environmental emergencies/disasters, during pre-disaster planning, response and assistance and reconstruction phases.
Content may be subject to copyright.
Operational Meteo Fire Danger System Based On
Space Information For Chaco Serrano
Argañaraz Juan P., Lighezzolo Andrés, Clemoveki Kevin, Bridera Daniel, Scavuzzo Juan M. and Bellis
Laura M.
.
AbstractIn this paper we present the operational
implementation of a fire danger mapping system based on
Numerical Weather Prediction and space derived Moisture
Content of Live Fuels (LFMC) for the Chaco Serrano sub-region.
The system is operative since the end of 2016 and estimates the
fire danger index automatically (without any man operator),
based on the 72 hours forecast of the Weather Research and
Forecast (WRF) model for the meteorological component. In
addition, the model implemented here incorporates, in its last
version, an automatic estimation of LFMC based on MODIS
spectral indexes and a land cover classification. Thus, this
operational outcome is part of the suite of products that the
Argentinean Space Agency CONAE, in Cooperation with
academic institutions, develops in the way to apply geospatial
information and satellite based products to help on
environmental emergencies/disasters, during pre-disaster
planning, response and assistance and reconstruction phases.
KeywordsWildfire, remote sensing, Chaco Serrano, Argentine,
risk mapping.
I. INTRODUCCIÓN
1La eco-región del Gran Chaco representa el mayor bosque
semiárido de Latino América [1], [2]. En esta región, los
incendios de vegetación son uno de los principales disturbios
[3]. Si bien los incendios ocurren de manera natural en el
Chaco, en la actualidad la mayoría de los incendios son de
origen antrópico, lo que ha alterado el régimen natural del
fuego. En particular, el área denominada Chaco Serrano es
muy afectada por los incendios, con alrededor de 300 000 ha
1 J. P. Argañaraz, Instituto de Diversidad y Ecología
Animal, CONICET-UNCba, Córdoba, Argentina, argajuan@gmail.com
A. Lighezzolo, Comisión Nacional de Actividades Espaciales,
Falda del Cañete, Córdoba, Argentina, alighezzolo@conae.gov.ar
K. Clemoveki, Facultad de Matemática, Astronomía y Física,
Universidad Nacional de Córdoba, Córdoba, Argentina,
clemoveki.k@gmail.com
D. Bridera, Facultad de Matemática, Astronomía y Física,
Universidad Nacional de Córdoba, Córdoba, Argentina,
danielbridera@gmail.com
J. Scavuzzo, Facultad de Matemática, Astronomía y Física,
Universidad Nacional de Córdoba, Córdoba, Argentina,
juansca1229@gmail.com
L. Bellis, Instituto de Diversidad y Ecología Animal, CONICET-
UNCba, Córdoba, Argentina, lbellis7@gmail.com
Corresponding author: Juan M. Scavuzzo
quemadas entre 1999 y 2013 (36 % del área) [4],
observándose una alta frecuencia de incendios y numerosos
eventos de grandes dimensiones [4]. Estos incendios
contribuyen a la pérdida y degradación de los bosques nativos,
reduciendo la biodiversidad y afectando la protección del
suelo y la retención de agua [5], [6]. Al mismo tiempo, en esta
zona viven más de 850 000 personas, y casi la mitad de las
viviendas se localizan en áreas de interfaz entre áreas
naturales y urbanas (interfaz urbano-rural) [7], aumentando así
la probabilidad de daños o pérdidas de infraestructura y
también poniendo en peligro las vidas humanas. Así, el
régimen actual de incendios en la región del Chaco Serrano
tiene muchos efectos negativos, incluyendo la reducción o
pérdida del bosque nativo, erosión del suelo, contaminación
del aire y de las fuentes de agua dulce, destrucción de
viviendas y muertes de ganado.
En este contexto, se visualiza como importante la existencia
de sistemas de alerta temprana para incendios de vegetación
que permitan no sólo el manejo y conservación de los recursos
naturales, sino también garantizar la seguridad humana. Este
desafío de las autoridades gubernamentales con
responsabilidad en la materia, coincide con el fuerte desarrollo
y el incremento en accesibilidad de las tecnologías
geoespaciales, en un contexto interdisciplinar e
interinstitucional, ofreciendo así la oportunidad de relacionar
el Sensado Remoto y las necesidades de información para la
prevención de incendios de vegetación.
Una experiencia previa desarrollada en Argentina [8]
estuvo basada en la idea, aceptada, de que el peligro de
incendio posee principalmente determinantes meteorológicos.
En este sentido en [8] se describe el diseño y la
implementación de un índice meteorológico de peligro de
incendios basado en el modelo Australiano, que opera a nivel
nacional con 15 km de resolución espacial y actualización
diaria.
En paralelo, en [9] se propone y presenta un modelo de
evaluación de peligro de incendios de alta resolución (500 m)
basado en la estimación del contenido de humedad de los
combustibles vivos (LFMC), derivado de índices de
espectrales calculados a partir de productos MODIS para
nuestra región del Chaco Serrano. En este marco, la
Universidad Nacional de Córdoba, el CONICET y la agencia
espacial argentina han acordado trabajar en un proyecto de
cooperación para implementar un sistema operacional
mejorado que incluya ambos resultados [10].
IEEE LATIN AMERICA TRANSACTIONS, VOL. 16, NO. 3, MARCH 2018 977
Los requerimientos del sistema completo se definen como:
a) El sistema debe ejecutarse automáticamente, incluyendo la
descarga de insumos y la publicación de la cartografía de
peligro final. b) El sistema debe implementar los modelos de
peligro [8] y [9] y generar un índice de peligro integrado. c) El
resultado debe ser presentado en una página web y ser posible
de descargar como productos geotiff, png, txt, csv. d) El
usuario debe poder elegir la fecha del producto para ver o
descargar y, por lo tanto, estos deben ser almacenados. f)
Todo el desarrollo debe ser construido sobre software de
código abierto. g) El producto debe ser gratuito tanto para
visualizar como para descargar. h) El sistema debe ser fácil de
replicar, gratuitamente, para otras instituciones y regiones de
Argentina o América Latina.
En este contexto es que presentamos, en este artículo,
detalles de este sistema operacional y de libre acceso sobre la
estratificación de peligro de incendios, con el objetivo
principal de que este material pueda ser de utilidad para
implementaciones similares en otras regiones de América
Latina, siguiendo el objetivo de cooperación regional en
Geociencias y Sensado Remoto, apoyado fuertemente por la
IEEE-GRSS en estos últimos años [11].
Figura 1. Arquitectura del sistema integrado de riesgo de incendios.
II. MATERIALES Y MÉTODOS
La arquitectura del sistema completo se presenta en la
Figura 1. Ésta cuenta con, básicamente, 4 módulos que
incluyen un subsistema de ingestión, uno de procesamiento, el
subsistema de almacenamiento de los productos generados y,
finalmente, un módulo con la interfaz de usuario.
A. Área de estudio
El sistema es implementado para la región de las Sierras
Chicas (810 000 ha), localizada en la provincia de Córdoba,
que corresponde a la porción sur de la región del Gran Chaco
en Argentina (ver Fig. 2). Estas sierras se extienden de norte a
sur a lo largo de unos 245 km, con un rango altitudinal entre
500 y 1947 m.s.n.m. El clima es semiárido templado con un
régimen de lluvias monzónicas, con una precipitación media
anual de 850 mm y una temperatura media anual de 17,3 °C
(Servicio Meteorológico Nacional de Argentina, datos del
período 1999-2014). Las lluvias se concentran entre octubre y
marzo (primavera y verano). El invierno es seco y suave, con
temperaturas relativamente altas en agosto y septiembre,
época en la que ocurren los incendios de mayores dimensiones
[4].
B. El modelo meteorológico de peligro de incendios
El modelo meteorológico de peligro de incendios se basa en
el índice australiano FFDI (Forest Fire Danger Index),
introducido por McArthur en 1958 [12]. En estos momentos
ya la cuarta versión del mismo está siendo utilizada [13] y en
ésta el peligro de incendios es clasificado en cinco categorías:
bajo, moderado, alto, muy alto y extremo. La estructura de la
unidad de procesamiento definida para el cálculo de este FFDI
es mostrada en la Figura 3.
Figura 2. Área de estudio y frecuencia de incendios (1999-2013). Región de
Sierras Chicas, provincia de Córdoba, Argentina.
Este modelo incorpora como entradas: temperatura (°C),
humedad relativa (%), velocidad del viento (km/h) y el factor
de sequía (DF). Este último se calcula sobre la base de la
lluvia acumulada en las últimas 24 horas, el tiempo desde el
último evento de precipitación [14] y el “Keetch-Byram
Drought Index” (KBDI) [15]. El KBDI se calcula
considerando la temperatura máxima, la lluvia diaria, la
978 IEEE LATIN AMERICA TRANSACTIONS, VOL. 16, NO. 3, MARCH 2018
precipitación anual media y el KBDI del día anterior. Todas
estas variables meteorológicas son obtenidas del modelo WRF
(Weather Research and Forecasting); ya operacional para un
área que cubre Argentina, Chile, Uruguay y Paraguay desde
2014. Estas capas meteorológicas son calculadas una vez al
día (a las 00:00 UTC) y proveen un pronóstico a 72 horas, con
una resolución espacial de 15 km [10].
La precipitación media anual se obtiene del WorldClim
(http://www.worldclim.org/). El KBDI se calcula una vez al
día, utilizando la lluvia de 24 hs acumulada a las 9 am (hora
local), mientras que el FFDI se obtiene automáticamente cada
vez que se cuenta con una nueva salida del WRF. Siguiendo el
requerimiento de generar un producto operacional y de libre
acceso basado en software libre, toda la implementación de
esta unidad ha sido hecha en GRASS GIS, [16].
Figura 3.Unidad de cálculo del índice Meteorológico (FFDI). Pef: Lluvia
efectiva , ET: evapotranspiración, KBDI: Indice de sequia de Keetch-Byram,
Tmax: Temperatura Máxima.
Este software se eligió debido a que puede ejecutarse
totalmente automatizado y embebido en cadenas de procesos
como un “GIS backend” para los servicios Web [10].
Adicionalmente, éste se integra muy bien con lenguajes de
programación como “R” o python (que permiten implementar
una amplia variedad de herramientas y algoritmos) y se
ejecuta bajo sistemas operativos (Linux, Windows). El
producto final es accesible y descargable en formato GeoTIFF
en varias plataformas, incluyendo un servidor de mapas
construido también bajo tecnología de código abierto
(geoserver y geoexplorer) en
http://meteo.caearte.conae.gov.ar/wrf/fuego.html y
http://www.isagro.org/.
C. El modelo de peligro de incendios LFMC
Como se describe con mayor detalle en [9], cuatro modelos
lineales que relacionan la humedad del combustible vivo
medida a campo y variables derivadas de imágenes de
satélites, se construyeron con fines operacionales. Las
variables tomadas remotamente incluyeron varios índices
espectrales, derivados de la reflectancia superficial de la tierra,
incluidos en el producto MODIS MYD09A1 (500 m de píxel
y 8 días de frecuencia temporal), disponible en:
http://daac.ornl.gov/MODIS/modis.shtml). A partir de cada
producto, se calculan cuatro índices espectrales: NDVI, EVI,
GVMI e Integral. Básicamente los dos primeros son
estimadores del contenido de clorofila de la vegetación y los
dos últimos son estimadores del contenido de agua de la
vegetación [17], [18], [19]. Las series de tiempo de cada
índice se generaron para los píxeles asociados con cada uno de
los puntos de muestreo. Luego, las series se suavizaron a
través de la aplicación del filtro de Savitsky-Golay (SG)
utilizando una ventana de ± 3 MYD09A1 fechas (24 días), con
el fin de reducir el ruido típico de estas series de tiempo [20].
Para generar los modelos en [9], las muestras de
combustible se recolectaron a campo durante las temporadas
de incendios de 2012 y 2013 (junio-diciembre) en cuatro tipos
diferentes de coberturas (pastizales, matorrales, bosques de
Chaco Serrano y bosque de Siempreverde. Las muestras se
secaron en horno hasta llegar a peso constante y el LFMC se
calculó como: 100 * (Wf - Wd / Wd); Donde Wf y Wd son
peso fresco y seco, respectivamente. La relación entre el
LFMC estimado a campo y las variables independientes se
estableció utilizando modelos lineales mixtos.
Figura 4.Estructura esquemática de la unidad de procesamiento para el cálculo
del índice LFMC.
Los modelos de LFMC estimados para pastizales, Bosques
del Chaco Serrano y de Siempreverde explicaron más del 80
% de la variabilidad total, pero el modelo de matorrales
mostró una menor precisión (57 %). Los modelos finalmente
implementados operativamente entonces son:
LFMC-pastizal =
540.09* EVI 31.16
LFMC-C h a c o S e r r a n o =
1.88*Integral + 246.39*NDVI 63.06
LFMC-matorral =
334.53*EVI 305.98*GVMI 7.05 Integral + 199.72
LFMC-siempreverde =
456.99* EVI + 165.29* GVMI 20.23
En este caso, que estamos implementando el LFMC en
tiempo real, no es posible aplicar una ventana de ±3 fechas
ARGAÑARAZ et al.: OPERATIONAL METEO FIRE RISK 979
(pues las fechas siguientes todavía no existen). Por esta razón,
aquí implementamos, para reducir el ruido, un filtro sólo hacia
atrás considerando 6 fechas (48 días).
Esta unidad está desarrollada en Python 2.7 requiriendo de
las librerías Gdal y Pymodis. Para el procesamiento de las
imágenes, nuevamente Grass GIS 7 es utilizado. Para el
servidor, se utilizó Apache Web Server versión 2 para Ubuntu
16.04. Apache es un HTTP server libre que provee seguridad,
eficiencia y una fácil extensión para servicios HTTP. El
sistema completo está concebido para ser ejecutado bajo un
entorno Linux y éste requiere como mínimo una computadora
con 500 GB de disco y al menos 4 GB de memoria RAM. El
frontend de la aplicación esta implementada con Bootstrap,
que es un entorno de desarrollo en HTML, CSS y JS el cual
provee funcionalidades de alto nivel que permiten la
visualización WEB en diferentes resoluciones y soporta la
visualización en dispositivos móviles.
D. Integración de los modelos
Para la integración de los modelos FFDI y LFMC
asignamos valores del 1 al 5 a las clases del FFDI y valores
del 2 al 5 a los niveles de peligro del LFMC. Con estos valores
construimos una tabla de doble entrada multiplicando estos
índices numéricos. Así obtenemos valores del 2 al 25 los
cuales son divididos en 5 clases para una asignación del índice
integrado (Tabla 1).
TABLA I
CLASES DE PELIGRO DE INCENDIO INTEGRADO ENTRE FFDI Y
LFMC
III. RESULTADOS
El FFDI de dos días específicos donde ocurrieron
importantes incendios se presentan en la figura 5. Uno de ellos
fue en Argentina-Chubut (02/19/2015,
http://m.cba24n.com.ar/content/chubut-los-incendios-
consumen-mas-de-4-mil-hectareas); y el otro en Chile en la
región de La Auracanía (03/16/2015,
http://www.emol.com/noticias/nacional/2015/03/17/708293/in
cendio-destruye-700-hectareas-de-araucarias-en-reserva-
nacional-en-la-araucania.html). Sobre esta figura podemos
observar el amplio dominio simulado en esta implementación,
el cual está directamente relacionado con la baja resolución
espacial de este producto.
En la figura 6 se presenta la interfaz WEB del índice de
peligro derivado del LFMC. Esta interfaz muestra los
siguientes widgets: a) Productos: acceso a los productos
humedad de combustible y FFDI, mostrando para cada caso
las fechas disponibles. b) Player: muestra el mapa de peligro
LFMC permitiendo una interfaz interactiva que incluye una
animación con las fechas disponibles. c) Descarga: donde
están incluidos los links a la documentación y los productos en
sus diferentes formatos. Finalmente, la salida del producto
integrado FFDI-LFMC es mostrado en la figura 7.
Figura 5. FFDI reclasificado para incendios ocurridos en Chubut (Argentina,
02/19/2015) y la Araucanía (Chile, 03/16/2015).
Ambos índices han sido validados separadamente en [8] y
[9], produciendo resultados satisfactorios respecto a la
presencia de incendios reales. Nuestros primeros resultados
respecto al índice integrado, en análisis exploratorios muestran
un desempeño aceptable de éste como un predictor de
incendios de vegetación, considerando que éste deriva de
variables meteorológicas y humedad de combustibles. Este
sistema operacional, que comenzó a funcionar en 2014, se
encuentra aún en una fase experimental y esperamos que en
corto tiempo pueda incluir otros elementos geoespaciales que
puedan dar soporte a los encargados de combatir los incendios
en las etapas pre incendio, durante la crisis y en la evaluación
y recuperación de daños.
Figura 6. Interfase WEB del producto LFMC.
Figura 6. Mapa de peligro de incendios derivado de humedad de los
combustibles vivos.
low Moderate High Veryhigh Extreme
Numeric
value
1 2 3 4 5
low 2 2 4 6 8 10
Moderate 3 3 6 9 12 15
High 4 4 8 12 16 20
Extreme 5 5 10 15 20 25
Low(0-4) Moderate(5-9) High(10-14) Veryhigh(15-19) Extreme(20-25)
LFMC
FFDI
980 IEEE LATIN AMERICA TRANSACTIONS, VOL. 16, NO. 3, MARCH 2018
Tanto el FFDI como el LFMC tienen sus ventajas y
limitaciones, pero su integración permite superar algunas de
sus debilidades. Por ejemplo, el FFDI puede indicar peligro de
incendio alto a extremo para días muy calurosos del verano (la
temperatura máxima para enero y febrero entre 1999-2014 fue
de 40.8 °C) después de unos días sin precipitaciones. Sin
embargo, después de las primeras lluvias de la estación
húmeda (generalmente en octubre / noviembre), la
inflamabilidad del combustible disminuye considerablemente
debido a la presencia de una alta proporción de tejidos
primarios con alto contenido de agua (follaje), típico de un
nuevo período vegetativo [21]. En este caso, el índice
integrado indicará un menor peligro de incendios que el FFDI
solo. Por otro lado, mientras que LFMC cambia relativamente
lento y no da cuenta de diferencias que pueden ocurrir de un
día a otro, el FFDI incorpora variables meteorológicas
altamente dinámicas, que podrían reflejar los cambios diarios
en el peligro de incendios. De esta manera, el índice integrado
FFDI-LFMC será diferente para dos fechas cercanas (es decir,
valores LFMC similares o aún iguales), pero con diferencias
en las condiciones meteorológicas (nublado vs soleado,
ventoso vs días sin viento, etc.). Por otro lado, el FFDI tiene
una gran limitación relacionada con su pobre resolución
espacial (unos 15 km) en contraste con el alto detalle espacial
presente en el LFMC (unos 500 m). Es importante señalar que
esta versión integrada no se encuentra disponible al acceso de
público en general todavía.
Figura 7. Producto de peligro de incendios integrado FFDI-LFMC para el
03/03/2017.
IV. CONCLUSIÓN
Como un nuevo escalón en el reto de la geociencias y el
sensado remoto de atravesar las paredes del ámbito académico
para generar productos que produzcan beneficios sociales
directos [22], [23], [8], y con perspectiva operacional [24], en
esta breve contribución presentamos un sistema de peligro de
incendios de vegetación de alta resolución operativo, basado
en información espacial. En este documento tratamos de
ofrecer detalles técnicos de este sistema con el objetivo de que
este material pueda ser útil para implementaciones similares
en otras instituciones gubernamentales de nuestra región
(América Latina) promoviendo la cooperación regional en el
área de la teledetección.
Los resultados preliminares indican una buena
potencialidad de nuestro producto integrado de peligro de
incendios para identificar áreas con mayores probabilidades de
quemarse.
Este producto gratuito, operativo y automático (funciona
sin un operador) será útil para enfocar las actividades de
prevención de incendios en áreas de mayor riesgo y ayudará a
prevenir fatalidades y daños estructurales en la interfaz
urbano-rural de las Sierras Chicas de Córdoba, Argentina.
Tenemos claro que es necesaria una validación rigurosa de
este producto, incluyendo varios años de datos, y estamos
empezando a trabajar en este sentido.
Creemos importante señalar que todo el desarrollo ha
intentado llevarse adelante respetando las normas de
desarrollo de software para proyectos espaciales de la Unión
Europea [25]. De la misma forma consideramos relevante
recalcar el carácter fuertemente interdisciplinario de este
trabajo, típico de situaciones donde queremos resolver un
problema real. Aquí interactúan la física de la atmósfera
(pronósticos meteorológicos), las ciencias de la computación
(ingeniería de software y programación), las geociencias
(procesamiento de imágenes satelitales) y por supuesto la
ecología de incendios.
AGRADECIMIENTOS
Agradecemos la posibilidad de utilizar el producto
http://daac.ornl.gov/MODIS/modis.shtml, cortesía de NASA
Land Processes Distributed Active Archive Center (LP
DAAC), USGS/Earth Resources Observation and Science
(EROS) Center, Sious Falls, South Dakota. Este trabajo fue
financiado por subsidios otorgados a L. Bellis de la Secretaría
de Ciencia y Técnica de la Universidad Nacional de Córdoba
y FONCyT (PICT 1147-2012). JPA realizó este trabajo con
una beca postdoctoral del CONICET. LMB es investigadora
del CONICET.
REFERENCES
[1] Miles L. et al., “A global overview of the conservation status of
tropical dry forests,” J. Biogeography, vol. 33, no. 3, pp. 491505,
Mar. 2006, doi: 10.1111/j.1365-2699.2005.01424.x.
[2] Naumann, M. Atlas del Gran Chaco Sudamericano. Sociedad Alemana
de Cooperacion´ Tecnica´ (GTZ), Buenos Aires, Argentina: ErreGe´
&Asoc., 2006.
[3] Adamoli, J.; Sennhauser, E.; Acero, J.M.; and Rescia, A. “Stress and
disturbance: Vegetation dynamics in the Dry Chaco Region of Ar-
gentina,” J. Biogeography, vol. 17, nos. 4/5, pp. 491–500, Jul. 1990,
doi: 10.2307/2845381.
[4] Argañaraz, J.P.; Gavier Pizarro, G.I.; Zak, M.; and Bellis, L.M. “Fire
regime, climate, and vegetation in the Sierras de Cordoba,´ Argentina,”
Fire Ecol., vol. 11, no. 1, pp. 55–73, Apr. 2015, doi:
10.4996/fireecology.1101055.
ARGAÑARAZ et al.: OPERATIONAL METEO FIRE RISK 981
[5] Cingolani, A.M.; Vaieretti, M.V.; Giorgis, M.A.; La Torre, N.;
Whitworth-Hulse, J.I.; and Renison, D. “Can livestock and fires
convert the sub-tropical mountain rangelands of central Argentina into
a rocky desert?” Rangeland J., vol. 35, no. 3, pp. 285297, 2013,doi:
10.1071/RJ12095.
[6] Bonansea, M. and Fernandez, R.L., “Remote sensing of suspended
solids concentration in a reservoir with frequent wildland fires on its
water-shed,” Water Sci. Technol., vol. 67, no. 1, pp. 217–223, Nov.
2013, doi: 10.2166/wst.2012.560.
[7] Argañaraz, J.P.; Radeloff, V.; Bar Massada, A.; Gavier Pizarro, G.I.;
Scavuzzo, C.M.; Bellis, L.M. Assessing wildfire exposure in the
Wildland-Urban Interface area of the mountains of central Argentina.
Journal of Environmental Management, vol. 196, pp. 499-510. Julio,
2017.
[8] Bellis, L.M, Andreo, V.A.; Lighezzolo, A.; Argañaraz, J.P.; Lanfri, S.;
Clemoveki, K., Scavuzzo, C.M., Design and implementation of an
operational meteo fire risk forecast based on open source geospatial
technology (2015) International Geoscience and Remote Sensing
Symposium (IGARSS), 2015-November, art. no. 7326230, pp. 2155-
2158.
[9] Argañaraz, J.P., Landi, M.A., Bravo, S.J., Gavier Pizarro, G.I.;
Scavuzzo, C.M., Bellis, L.M. Estimation of Live Fuel Moisture
Content From MODIS Images for Fire Danger Assessment in Southern
Gran Chaco. IEEE Journal of Selected Topics in Applied Earth
Observations and Remote Sensing, vol. 9, no. 12, pp. 5339-5349. Dec.,
2016.
[10] Lighezzolo, A., Lanfri, M., García, F., Clemoveki, K., Bridera, D.,
Scavuzzo, C.M. Sistemas de alerta temprana a emergencias
ambientales basados en modelos numéricos de predicción
meteorológica (2016) 2016 IEEE Biennial Congress of Argentina,
ARGENCON 2016, art. no. 7585281.
[11] Villalón Turrubiates, I.E.; Scavuzzo, C.M.; Feitosa, R.Q.; Frery, A.C.;
and López-Martínez, C., "Special Issue on Applied Earth Observation
and Remote Sensing in Latin America," in IEEE Journal of Selected
Topics in Applied Earth Observations and Remote Sensing, vol. 9, no.
12, pp. 5287-5293, Dec. 2016.
[12] McArthur, A.G. Forestry and Timber Bureau Leaet 107, Forest
Research Institute, 1967.
[13] Grifiths, D. Improved formula for the drought factor in McArthur’s
forest fire danger meter. Australian Forest Journal, vol. 62, pp. 202
206. 1999.
[14] Noble, I.R.; Bary, G.A.B. and Gill, A.M., Mcarthur’s fire danger
meters expressed as equations. Australian Journal of Ecology, vol. 5,
pp. 201-203. 1980.
[15] Keetch J.J. and Byram G.M., A drought factor index for forest fire
control. Research Paper SE 38, USDA Forest Service, 1968.
[16] Neteler, M.; Bowman, M.H.; Landa, M. and Metz, M.; GRASS GIS 7:
A multi-purpose open source GIS. Environmental Modelling and
Software, vol. 31, pp. 124–130. 2012.
[17] Chuvieco, E.; Riaño, D.; Aguado, I. and Cocero, D. “Estimation of fuel
moisture content from multitemporal analysis of Landsat-TM
reflectance data: Applications in fire danger assessment,” Int. J.
Remote Sens., vol. 23, no. 11, pp. 2145–2162, 2002
[18] Davidson, A.; Wang, S. and Wilmshurst, J. “Remote sensing of
grasslandshrubland vegetation water content in the shortwave
domain,” Int. J.Appl. Earth Observ. Geoinf., vol. 8, no. 4, pp. 225–236,
Dec. 2006, doi:10.1016/j.jag.2005.10.002.
[19] Ceccato, P.; Flasse, S.; and Gregoire, J.M. “Designing a spectral index
to estimate vegetation water content from remote sensing dataPart 2.
Validation and applications,” Remote Sens. Environ., vol. 82, nos. 2/3,
pp. 198–207, Oct. 2002.
[20] Jönsson P. and Eklundh, L. “TIMESATA program for analyzing
time series of satellite sensor data,” Comput. Geosci., vol. 30, no. 8, pp.
833–845, 2004.
[21] Weise, D.R.; Hartford, R. A. and Mahaffey, L. “Assessing live fuel
moisture for fire management applications,” in Fire in Ecosystem
Management: Shifting the Paradigm from Suppression to Prescription.
Tall Timbers Fire Ecology Conference Proceedings, Tallahassee, FL,
USA: Tall Timbers Res. Station, 1998
[22] Porcasi, X.; Rotela, C.; Introini, M.V.; Frutos, N.; Lanfri, S.; Peralta,
G.; De Elia, E.A.; Lanfri, M. and Scavuzzo, C.M.. An operative dengue
risk stratification system in Argentina based on geospatial technology.
Geospatial Health, vol. 6, no. 3, pp. S31-S42, 2012.
[23] Mari, N. “Diseño de un Sistema de Alerta y Respuesta Temprana a
Incendios de Vegetación SARTiv, tesis de maestria MAEARTE,
CONAE-FAMAF, UNC 2012.
[24] Arrais de Freitas, N.C.; Reboucas Filho, P.P.; Gurgel de Moura C.D.
and Pereira dos Santos Silva, M. "AgentGeo: Multi-Agent System of
Satellite Image sMining," in IEEE LatinAmerica Transactions, vol. 14,
no. 3, pp. 1343-1351, March 2016.
[25] ESA, “Esa software engineering standards”, 1991.
Juan Pablo Argañaraz: Licenciado en Ecología y
Conservación del Ambiente por la Universidad Nacional de
Santiago del Estero, Santiago del Estero, Argentina, en
2007, Doctor en Ciencias Biológicas por la Universidad
Nacional de Córdoba, Argentina, en 2016. De 2009 a 2011,
tuvo una beca de investigación en el Instituto de Hidrología
de Llanuras, Buenos Aires, Argentina. De 2011 a 2016 tuvo
una beca doctoral del CONICET y desde 2016 tiene una beca postdoctoral de
ese organismo en el Instituto de Diversidad y Ecología Animal (CONICET-
UNC). Sus intereses de investigación incluyen la ecología del paisaje y el
ordenamiento territorial en el contexto de los incendios de vegetación y la
conservación de la vida silvestre. Cuadro de Honor de la Universidad de
Santiago del Estero. Ha recibido becas y distinciones de la Fundación
Carolina de Argentina, el Consejo Profesional de Mecánica y Ingeniería
Eléctrica para la Mejor Actuación Académica de los estudiantes de Ciencias
Naturales y Fulbright -Fundación Bunge y Born.
Lighezzolo Andrés: Licenciado en Física de la
Universidad Nacional de Córdoba. Posee un Master en
aplicaciones espaciales en alerta y respuesta temprana a
emergencias desarrollado en el Instituto Gulich CONAE-
UNCba 2013. Desde 2012 trabaja en la agencia especial
Argentina CONAE en el área de emergencias. Su área de
trabajo actualmente está centrada en la predicción numérica
del tiempo aplicada a sistemas de alerta y respuesta ante emergencias.
Kevin Klemoveky: Licenciado en ciencias de la
computación del FAMAF en la Universidad Nacional de
Córdoba. Trabajó en el área de emergencias de la agencia
espacial Argentina durante 2015 y 2016. Realizó una
pasantía de especialización en la Universidad de Pavia, Italia
por 6 meses. Actualmente se encuentra trabajando en una
empresa privada dedicada al desarrollo de software.
Daniel Bridera: Licenciado en ciencias de la
computación del FAMAF en la Universidad Nacional de
Córdoba. Trabajó en el área de emergencias de la agencia
espacial Argentina durante 2015 y 2016. Realizó una
especialización en la Universidad de Genova, Italia.
Actualmente se encuentra trabajando en una empresa
privada dedicada al desarrollo de software. (Machinalis)
Juan M Scavuzzo: Estudiante avanzado de la carrera
de ciencias de la computación del FAMAF en la Universidad
Nacional de Córdoba. Secretario general del centro de
estudiantes de la mencionada facultad durante 2015-2016 y
Presidente durante 2016-2017. Participante del proyecto
EXPOSURE financiado por la Unión Europea sobre el uso
de sensores remotos para la evaluación de amenazas a la
seguridad humana.
Laura Marisa Bellis Licenciada en biología en 1996 y
doctora en biología (ecología) en 2004 ambos de la
Universidad Nacional de Córdoba, Córdoba, Argentina. Ella
es actualmente profesora de la Facultad de ciencias Exactas,
Físicas y Naturales de la Universidad de Córdoba e
Investigadora Independiente del CONICET en el Instituto de
Diversidad y Ecología Animal (CONICET-UNC). Sus áreas
de trabajo incluyen actualmente la ecología del paisaje,
manejo y conservación, asi como los incendios forestales, bajo una
aproximación que combina datos de terreno junto a datos satelitales y
sistemas de información geográfica. Además ha incursionado en aspectos
vinculados a la estadística espacial y modelos predictivos. Desde el 2007 ella
ha estado estudiando los efectos de los incendios forestales en las zonas
serranas del centro de la Argentina, siendo actualmente la jefa del grupo en la
UNCba sobre esta temática.
982 IEEE LATIN AMERICA TRANSACTIONS, VOL. 16, NO. 3, MARCH 2018
... In ref. [19], wildfire variables are studied to predict spatial patterns of ignition producing national-level ignition risk maps. To aid pre-wildfire planning, ref. [20] implements fire danger mapping system based on numerical weather prediction and derived moisture content of live fuels. Historical data for vegetation, climate, and locational features have been utilised in ref. [21] to predict the risk of wildfire ignition. ...
... The power flow over the line l is constrained by its thermal capacity P l as in Equation (19). On a similar note, the upper and lower limit constraints of the bus phase angle s b,t are described in Equation (20). Furthermore, the limitations RU g,b , RD g,b of the generators' ramping up and down rates are furnished in Equations (21) and (22) respectively. ...
... Land-use was obtained from the NOAA's HRRR model and ranges from evergreen needleleaf forest to barren tundra, assigned values [1,20], while Terrain input gives insight into the topography and elevation of the area with values in the Survey database and provides the samples of the training and test data, respectively. ...
Article
Full-text available
Wildfires are natural or man‐made disasters that continuously threaten portions of the transmission and distribution grid, and thus the stability of the electric grid. This paper presents a two‐stage framework for assessing power system‐wildfire risk using a data‐driven wildfire prediction model. The first stage of the framework estimates the spatio‐temporal probability of potential wildfire ignition and propagation using a deep neural network in combination with the wildfire physical spread model. Analysis reveals similar spatial and temporal patterns between the model‐predicted wildfire ignition potential and actual wildfire ignition. Motivated by these observations, the second stage assesses the wildfire risk in the power grid operation in terms of potential loss of load by de‐energisation, through combining geospatial information system data of the power grid topology and the stochastic spatio‐temporal wildfire model developed in the first stage. The electric power utility applications introduced by the proposed framework are twofold: 1) a spatio‐temporal risk model for proactive de‐energisation against potential power system failure‐induced wildfire, and 2) a spatio‐temporal spreading model for optimal grid operations against exogenous wildfire. The proposed model, based on real‐world dataset, is demonstrated on the IEEE 24‐bus test system mapped to a study area in Northern California, while the results illustrate the proposed model can achieve the best performance in potential wildfire ignition detection (AUC of 0.995) compared to other baselines, as well as demonstrates the risk‐aware operation of the power system enabled by the proposed framework.
... De esta manera, el presente trabajo es pionero en el enfoque interdisciplinario para aprovechar las herramientas de teledetección y las tecnologías geoespaciales, en nuestra región, aplicadas a la SAN. Hay una gran experiencia regional en aplicaciones espaciales en áreas ambientales (calidad de agua, forestación, incendios, etc.) (Arganaraz et al., 2018;da Costa Almeida et al., 2009;Ribeiro et al., 2008;Sousa et al., 2013), y en particular a la salud humana (epidemiología panorámica), en enfermedades transmitidas por vectores como chagas, leishmaniasis y dengue (Andreo et al., 2014;Arboleda & Peterson, 2009;Espinosa et al., 2016;Parra-Henao, 2010;Polop et al., 2008;Porcasi et al., 2006;Salomón et al., 2006), pero esta contribución es un esfuerzo para iniciar el camino en el campo de la seguridad alimentaria. ...
Article
Full-text available
[Objective] The aim of this study was to analyze which role remote sensing technologies can play to study multidimensional factors influencing the Food and Nutrition Security (FNS), in Córdoba Argentina. [Methodology] The study area includes the city of Córdoba, Argentina. Epidemiological data on the prevalence of underweight, overweight, and obesity (malnutrition) in 2013 were obtained from 23 primary health care centers in the city. The environmental conditions of the surroundings of the health centers were explored within a radius of 1000m. SPOT 5 images were classified using spectral and spatial features and we show how a non-supervised classification can give information to describe the social dimension and economic access to food. In addition, a multivariate stepwise linear regression was performed to examine the relation between the prevalence of malnutrition and the environmental and spatial variables, derived from the SPOT image, proposed. [Results] The results of the unsupervised image classification show the difference in the spectral-spatial pattern of neighborhoods showing how a simple satellite image classification can become a useful discrimination tool. Multiple regression analyses with adjusted R2 of 0.70 and 0.6435 respectively are obtained for undernutrition, and overweight, and obesity. On the basis of the obtained models, continuous maps of prevalence are built. [Conclusions] The method proposed in this work can discriminate socially different areas related to FNS. It is innovative and necessary to take advantage of remote sensing tools and geospatial technologies, in our region, applied to FNS.
... [47] developed a model to predict the extent of wildfires using soil moisture and temperature data obtained via remote sensing. [48] presented the model implementation of a fire risk mapping system based on numerical weather prediction and space information on live fuel moisture content. The model incorporates land cover classification and automatic estimation of the live fuel moisture content based on moderate resolution imaging spectroradiometer (MODIS) vegetation indices. ...
Article
Full-text available
Wildfires pose a significant challenge to the natural and the built environments, as well as the safety and economic wellbeing of the communities residing in wildfire-prone areas. The electric power grid is specifically among the built environments most affected by, and contributing to, wildfires. In this paper, we propose a three lines of defense (3LD) framework for wildfire risk management in electric power infrastructure and review the literature from this lens. An overview of the physics and phenomenology of the wildfires as it relates to power grids is presented, and the logic for the proposed 3LD framework is discussed. The reviewed literature based on the 3LD theme includes the most relevant and emerging research work on wildfire prevention as the first line of defense, wildfire mitigation and proactive response as the second line of defense, and wildfire recovery preparedness as the third line of defense. This study reveals that while the state of the art, to a large extent, stands comprehensive in various aspects of power system resilience and wildfire risk management, there is a gap in the literature in addressing this emerging risk in a holistic, interdisciplinary approach.
... It is also important to recall that FMC and derived wildfire hazard maps do not completely explain fire activity, since low FMC values are necessary, but not a cause of wildfires [13]. Integration of remote sensing derived FMC values with operational fire danger forecasting systems and other factors determining fire hazard will contribute to develop more complex and synergic fire hazard assessments [12,78,79]. In this context, factors related to ignition sources and conditions favoring fire spread, including weather conditions, should also be considered. ...
Article
Full-text available
Fuel moisture content (FMC) is an important fuel property for assessing wildfire hazard, since it influences fuel flammability and fire behavior. The relationship between FMC and fire activity differs among land covers and seems to be a property of each ecosystem. Our objectives were to analyze pre-fire FMC among different land covers and to propose a wild-fire hazard classification for the Sierras Chicas in the Chaco Serrano subregion (Argentina), by analyzing pre-fire FMC distributions observed for grasslands, shrublands and forests and using percentiles to establish thresholds. For this purpose, we used a fire database derived from Landsat imagery (30 m) and derived FMC maps every 8 days from 2002 to 2016 using MODIS reflectance products and empirical equations of FMC. Our results indicated that higher FMC constrains the extent of wildfires, whereas at lower FMC there are other factors affecting their size. Extreme and high fire hazard thresholds for grasslands were established at FMC of 55% and 67% respectively, at 72% and 105% for forests and at 106% and 121% for shrublands. Our FMC thresholds were sensitive to detect extreme fire hazard conditions during years with high fire activity in comparison to average conditions. The differences in the distributions of pre-fire FMC among land covers and between ecosystems highlighted the need to locally determine land cover-specific FMC thresholds to assess wildfire hazard. Our wildfire hazard classification applied to FMC maps in an operational framework will contribute to improving early warning systems in the Sierras Chicas. However, moisture alone is not sufficient to represent true fire hazard in Chaco forests and the combination with other variables would provide better hazard assessments. These operational wildfire hazard maps will help to better allocation of fire protective resources to minimize negative impact on people, property and ecosystems. To the best of our knowledge, this is the first study analyzing pre-fire FMC over several fire seasons in a non-Mediterranean ecosystem, aiming at assessing wildfire hazard.
Article
This two-part paper is intended to inform power system engineers, electrical engineering academicians and suppliers of electrical apparatus of the threat of wildfires initiated from mal-operation of electrical grids and the unexploited opportunity to develop proper solutions and preventive means to such lethal events. This part (Part I) reviews and categorizes research in different fields of science and industrial projects that attempt to address wildfire issues. The topics include prediction and prevention means, detection methods, monitoring and surveillance techniques, suppression methods, allocation and mapping algorithms, and a summary of research and educational efforts. Subsequently, the paper highlights the damages and negative effects that a wildfire can cause to the electric grid and the interruptions to its continuous operation. Finally, the paper analyses and categorizes the various scenarios of faulty electrical networks that may lead to wildfires. Part I of the paper provides the ground work and information for the solutions and discussions presented in Part II.
Conference Paper
Full-text available
In this work we present an operative implementation of three numerical weather prediction models with the goal of being used in early warning systems for environmental emergencies. Models are executed in different temporal ranges (from days to months) in which emergencies, such as ground frost, floods, fires, droughts and epidemics, are developed. Products generated are thought and adapted to be used in Geographical Information Systems (GIS) and are freely distributed through the CONAE website. Models and softwares used are open-source softwares (OSS).
Article
Full-text available
Moisture content of live fuels (LFMC) is one of the main factors determining fuel flammability and, therefore, a key indicator of fire danger. In this study, we modeled the relationship between spectral indices derived from satellite imagery and field estimations of LFMC in the Chaco Serrano subregion; then, we analyzed the relationship between fire danger estimations based on LFMC calculations and fire activity. Empirical LFMC models fitted for grasslands, Chaco Serrano forests, and glossy privet forests may be considered very accurate R2 > 0.80, whereas the model corresponding to shrublands still needs to be improved (R2 = 0.57). Monthly maps of fire danger reflected the occurrence of fires consistently during years of both high and low fire activity. Most fires occurred mainly in areas with high or extreme fire danger, demonstrating a clear relationship between LFMC and fire activity in the Chaco Serrano subregion. Our LFMC models may be useful to assess the spatiotemporal distribution of fire danger in the Chaco Serrano subregion using remote sensing data. The associated fire danger maps represent a valuable tool for improving decision making processes to organize early warning and fire suppression activities.
Conference Paper
Full-text available
We designed an integrated platform for early prediction of meteorological fire risk. The system is operative since the end of 2014 and estimates the fire danger index automatically, based on the 72 hours forecast of the Weather Research and Forecast (WRF) model. Though the system is in experimental phase, the first results showed a quite acceptable performance. Moreover, this index is capable of continuously improving the algorithms to produce enhanced risk estimation. Thus, in the short term, the system would also include geospatial information and satellite based products to help firefighting activities during all phases: early warning, pre-disaster planning, preparing and forecasting, response and assistance, recovering and reconstruction throughout a web map service.
Article
Full-text available
Wildfires are a primary disturbance in the Sierras de Córdoba, Argentina, with approximately 2 152 000 ha burned between 1993 and 2012. However, little is known about the spatial and temporal patterns of fires and their relationship with climate and vegetation in this area. Such information is of great value for fire risk assessment and the development of strategies for fire management. Our main objective was to analyze fire activity in four sierran ranges, assessing which weather and climate conditions were mostly related to fire activity, and which land cover types were mostly burned. We used a fire database of mid-high spatial resolution and a land cover map derived from Landsat imagery. Fire regimes were different among the different sierran ranges. The Sierras Chicas range was the most affected by fires, with the largest number of fire events, burned area, and fire frequency. Although large fires represented 3 % to 5 % of fire events, they accounted for 60 % to 86 % of total burned area in different sierran ranges. Sierras of lower elevation had a winter seasonality of fires, while sierras of higher elevation had a winter-spring or spring fire seasonality. The number of fire events was positively correlated with preceding periods that were wetter than normal, while the burned area was mainly associated with midterm weather conditions. Fires occurred mainly in grasslands and shrublands, but the area of burned forests was important, too. Our results will be useful to determine the times and conditions in which fire risk is highest, and also to identify where preventive efforts should be focused.
Article
Full-text available
Soil erosion, as a result of livestock grazing, has been widely reported for arid and semiarid ecosystems, but information is lacking in more mesic ecosystems where erosion is generally studied in relation to agriculture. To test the hypothesis that, in the high-mountain rangelands of Crdoba (Argentina), grazing by livestock can drive the system into a rocky desert, 200 44m plots under different livestock stocking rates and timings of grazing were monitored for 5 years. Four indicators of soil erosion: change rate of rock surface and of total bare surface, advance rate of erosion edges, and their activity persistence were estimated for each plot. Erosion edges are steps with a vertical bare soil surface, whose advance usually leaves behind an exposed rock area. For each plot, the average annual stocking rate for the 5-year period, and an index of seasonality, were calculated. Multiple regressions were used to analyse the data. Under high stocking rates, rock and bare surface increased, edges advanced faster and persisted more actively, while under low or nil stocking rates, rock and bare surface decreased and edges tended to stabilise. From these results, it was estimated that under high stocking rates, 18% of the whole area could be transformed into rocky surface in 400 years. As fire is a usual tool for this rangeland management, surface soil loss during 1 year in 77 burned and unburned plots, with and without post-fire livestock grazing, were compared. Burned plots lost 0.6cm of surface soil when grazed, and 0.4cm when ungrazed, while unburned plots lost less than 0.05cm when grazed, and gained 0.07cm when ungrazed. It was concluded that the present-day combination of livestock and fire management has the potential to convert this rangeland into a rocky desert. It is suggested that commercial livestock production, as it is carried on at present, is not sustainable, and some suggestions on changes necessary for a future sustainable grazing industry are made.
Article
Wildfires are a major threat to people and property in Wildland Urban Interface (WUI) communities worldwide, but while the patterns of the WUI in North America, Europe and Oceania have been studied before, this is not the case in Latin America. Our goals were to a) map WUI areas in central Argentina, and b) assess wildfire exposure for WUI communities in relation to historic fires, with special emphasis on large fires and estimated burn probability based on an empirical model. We mapped the WUI in the mountains of central Argentina (810,000 ha), after digitizing the location of 276,700 buildings and deriving vegetation maps from satellite imagery. The areas where houses and wildland vegetation intermingle were classified as Intermix WUI (housing density > 6.17 hu/km² and wildland vegetation cover > 50%), and the areas where wildland vegetation abuts settlements were classified as Interface WUI (housing density > 6.17 hu/km², wildland vegetation cover < 50%, but within 600 m of a vegetated patch larger than 5 km²). We generated burn probability maps based on historical fire data from 1999 to 2011; as well as from an empirical model of fire frequency. WUI areas occupied 15% of our study area and contained 144,000 buildings (52%). Most WUI area was Intermix WUI, but most WUI buildings were in the Interface WUI. Our findings suggest that central Argentina has a WUI fire problem. WUI areas included most of the buildings exposed to wildfires and most of the buildings located in areas of higher burn probability. Our findings can help focus fire management activities in areas of higher risk, and ultimately provide support for landscape management and planning aimed at reducing wildfire risk in WUI communities.
Article
This special Issue focused on recent research led by South American researchers and teams. It is a long overdue pos- sibility offered to researchers in this geographical area to share their excellent work with the international community. Accord- ingly, the response to the call for papers was overwhelming, with more than 60 papers submitted from eight countries. Eventually, 23 articles were accepted, among which 11 are authored from Brazil, while Argentina and Mexico contribute each with five papers, and Colombia and Ecuador have one arti- cle accepted each. Testifying the international breadth of these researches, seven of these contributions have coauthors from outside Latin America: two from Italy, and one from France, Canada, Finland, USA, and Germany. Before describing the contributions that have been selected for this issue, it is worth recalling briefly the history and current situation of remote sensing activities in the three major countries in the area, which, as mentioned, contribute to the large majority of the works published in the following pages.
Article
The continuing growth, availability and demand for remote sensing data combined with human impossibility in manual and individual analysis of these data leads to a need to investigate new tools and techniques for automated analysis (or semi-automatic) and intelligent remote sensing databases. Mining images is an alternative for explore large database of remote sensing images, which are methods to discover patterns in the image repository. The multi-agent systems have features that, properly implemented, can bring significant improvements in analysis of satellite images. In this context, the aim of this paper is to present the AgentGeo, a multi-agent system of satellite image mining capable of performing the classification process with multiple images at a time. The AgentGeo implements functions such as creation, edition and selection of agents, selection and creation of the environment and use of agents mining to mine the satellite imagery. This system was developed in Java and uses features from TerraView and GeoDMA. The results of the classification process were satisfactory once the developed agents had an accuracy better than 90% when compared to Google Maps images.
Article
McArthur's Forest Fire Danger Meter (Mark 5) is a key tool for assessing broadscale fire danger throughout eastern Australia. The Drought Factor, an indicator of the fuel availability as calculated by the meter, is a key input in calculating the Forest Fire Danger Index. The currently accepted analytic method for calculating the Drought Factor is reviewed and shown to give significantly different results to that calculated by McArthur's meter. This paper proposes a new formula for calculating the Drought Factor and shows that it fits McArthur's meter to a far better degree than the previously published formula.
Article
The Global Vegetation Moisture Index (GVMI) was developed to retrieve vegetation water content from local to global scale rapidly and reliably using SPOT-VEGETATION data. This paper validates the GVMI with field measurements of vegetation water content measured over four different ecosystems in Senegal. Two of the sites show exact concordance between GVMI-derived and field-measured water content. The remaining two sites show differences in value but provide identical evolution over time. Comparison between ecosystems illustrates that GVMI-derived water content is consistent with field measurements of water content expressed as a quantity of water per unit area. Additional study shows that GVMI is not related to the vegetation moisture content expressed as a percentage of water per quantity of biomass. Comparison between the GVMI and NDVI methods also illustrates that the NDVI provides different information (vegetation greenness), which is not directly related to the quantity of water in the vegetation. Potential applications of the new GVMI are also discussed.