The Breaks For Additive Seasonal and Trend (BFAST) method was applied to NDVI composite series derived by MODIS and VEGETATION sensors in order to detect the rapid and gradual changes caused by fire in a typical Mediterranean ecosystem. This iterative approach identifies break points after decomposing time series into a trend, a seasonal and a noise component. The potential of this method was investigated for mapping a burned area and capturing the post-fire vegetation recovery trend and additionally assessment of the results from the analysis of the two datasets was performed. The spatial validation of the generated burned area maps revealed a better level of agreement for the MODIS NDVI derived perimeter compared to the VEGETATION outcome, but both results were considered quite promising. In addition, the post-fire vegetation trend was successfully captured from the analysis of these two datasets, although insufficient reference data did not permit a more thorough accuracy assessment. Still, the slope of the gradual changes observed in the trend component displayed post-fire vegetation recovery for both NDVI datasets.ResumoO método “Breaks for Additive Seasonal and Trend” - BFAST foi aplicado sobre uma série de imagens NDVI derivada dos sensores MODIS e do Vegetation com finalidade de detectar mudanças rápidas e graduais causadas pela ação do fogo num ecossistema mediterrânico típico. Essa abordagem iterativa identifica pontos de interrupções após a decomposição de séries temporais em uma tendência, uma sazonal e uma componente de ruído. O potencial deste método foi investigado para o mapeamento de uma área queimada, capturando a tendência de recuperação da vegetação pós-fogo e, adicionalmente, permitindo avaliar os resultados da análise dos dois conjuntos de dados temporais utilizados no presente estudo. A validação espacial dos mapas gerados sobre a área queimada revelou um melhor nível de concordância para o perímetro NDVI/MODIS comparado ao sensor Vegetation, mas ambos os resultados foram considerados bastante promissores. Além disso, a tendência de recuperação da vegetação pós-fogo foi capturado com sucesso a partir da análise dos dois conjuntos de dados-sensores, embora insuficientes dados de calibração temática não permitirem uma avaliação completa de melhor acurácia. Ainda assim, a inclinação que expressa as mudanças graduais observadas na componente de tendência mostra uma recuperação da vegetação pós-fogo em ambos os conjuntos da série de dados NDVI.