Wildfires have historically shaped Mediterranean ecosystems, fostering the adaptation of fire-resilient species such as Pinus halepensis Mill. Assessing post-fire resilience is essential to understand landscape recovery and guide forest management. This requires evaluating the speed, intensity, and trajectory of vegetation recovery relative to a defined baseline, although the influence of control point selection and baseline configuration remains unclear, despite its critical role in shaping the interpretation of recovery dynamics. This study proposes a methodological framework to assess the resilience of P. halepensis using 14-year Landsat time series following wildfire events, combined with image segmentation algorithms and Object-Based Image Analysis (GEOBIA). The analysis integrates two complementary vectors: (i) temporal evolution of NDVI and (ii) spectral probability of assignment to P. halepensis. Results indicate that NDVI suggests an average vegetation recovery time of seven years; however, spectral probability remains below 40% during this period, indicating slower tree cover recovery. Field inventories confirm that full recovery requires more than 15 years, with early stages dominated by shrublands, mainly Quercus coccifera. These findings show that NDVI alone overestimates resilience and that control selection and baseline configuration strongly influence assessments. GEOBIA enhances the ecological precision of resilience evaluation.

En las últimas décadas, los incendios forestales constituyen una de las principales perturbaciones de los ecosistemas mediterráneos. Comprender cómo se recuperan las formaciones afectadas es fundamental para evaluar su resiliencia y gestionar adecuadamente medidas de restauración hidrológico-forestal. Este estudio analiza la regeneración vegetal en zonas incendiadas representativas de la diversidad paisajística de Aragón (NE de la Península Ibérica), considerando (i) el tipo de vegetación colonizadora en relación con la preexistente y (ii) su impacto en la distribución espacial del Índice de Área Foliar (LAI), este último utilizado como proxy de la funcionalidad eco-fisiológica de las formaciones afectadas. Se hace uso de imágenes GeoSAT-2 de alta resolución espacial y colecciones Sentinel-2 L2A para obtener cartografías sobre la distribución de la vegetación actual y compuestos multitemporales de LAI, respectivamente. Se emplean tablas de contingencia derivadas de comparaciones diacrónicas del tipo de vegetación dominante (antes del fuego y en el momento actual) y modelos predictivos Random Forest (RF), que también han permitido determinar la importancia de diferentes factores naturales en la distribución espacial de las formaciones vegetales colonizadoras. Los resultados ponen de manifiesto la alta dependencia entre las formaciones vegetales previas y las colonizadoras (χ² = 10.067) y el papel de las trayectorias regenerativas en la distribución espacial del LAI (p < 0.05), observándose una mayor regeneración en áreas donde predominaban especies con estrategias reproductivas activas (rebrote y serotinia). Asimismo, en la modelización mediante Random Forest (OOB = 21%) la vegetación preexistente emerge como el factor más determinante (MDG = 600) en la predicción de la vegetación actual, por encima de la severidad del fuego y la tendencia regenerativa del Normalized Difference Vegetation Index (MDG ≈ 250), cuyos efectos varían en función del tipo de formación vegetal.