Modelación de la Carga de Combustibles a

Memorias del Cuarto Simposio Internacional Sobre Políticas, Planificación y Economía de los
Incendios Forestales: Cambio Climático e Incendios Forestales
Modelación de la Carga de Combustibles a
Partir de Atributos Dasométricos en
Bosques Templados del Norte de México1
Maricela Morales-Soto2 y Marín Pompa-Garcia2
Resumen
El estudio de los combustibles constituye un factor clave para definir la vulnerabilidad de los
ecosistemas a los incendios forestales. El objetivo de este trabajo fue modelar la carga de
combustibles muertos en función de atributos dasométricos provenientes de los inventarios de
manejo forestal. Se realizó un análisis gráfico de dispersión y a partir de tendencias
explicativas entre las variables consideradas se efectuó un análisis de correlación mediante el
método paso a paso (stepwise) del programa SAS. Los resultados mostraron que la
profundidad de hojarasca, las existencias reales totales y las intensidades de corta, explican
mayormente la carga de combustibles muertos como variables dependientes. Además de
discutir las bondades estadísticas de los modelos estudiados se concluye que los datos de
inventarios de programas de manejo constituyen una alternativa eficiente y de bajo costo para
estimar las cargas de combustibles forestales.
Palabras clave: inventarios, incendios forestales, relaciones alométricas.
Introducción
Se considera como combustible forestal todo material vegetal inflamable. Los
combustibles forestales se dividen en vivos y muertos; los combustibles muertos son
toda biomasa que se encuentra sobre el suelo; los combustibles vivos están formados
por plantas herbáceas, arbustos y el arbolado Wong y Villers (2007). Los
combustibles muertos a su vez se dividen de acuerdo a su peso en combustibles
ligeros y combustibles pesados. También se clasifican de acuerdo al lugar en que se
encuentran dentro de un sitio en: combustibles terrestres, combustibles superficiales y
combustibles aéreos (Rentaría y otros 2005).
1
Una versión abreviada de este trabajo se presentó en el Cuarto Simposio Internacional sobre Políticas,
Planificación y Economía de Incendios Forestales: Cambio Climático e Incendios Forestales, noviembre
5-11 de 2012, Ciudad de México, México.
2
Respectivamente, Tesista de Maestría y Profesor- investigador, Facultad de Ciencias, Universidad
Juárez del Estado de Durango (UJED), Río Papaloapan y Blvd Durango s/n Col. Valle del Sur. Email:
marims1_@hotmail.com, y mpgarcia@ujed.mx respectivamente.
297
GENERAL TECHNICAL REPORT PSW-GTR-245
El combustible forestal es uno de los principales elementos involucrados en la
ocurrencia de un incendio forestal y constituye un factor muy importante para definir
el peligro de incendios forestales, ya que el grado de peligro está en función de la
cantidad y del tipo de material combustible presente en cada una de las áreas
forestales (Rentería y otros 2005). Es sabido que la intensidad de un incendio cambia
de acuerdo al tipo de material combustible al que se vaya desplazando. Por esto es
esencial el levantamiento de inventarios de combustibles forestales muertos que se
realizan en la actualidad. Una de las técnicas más conocidas es la de intersecciones
planares descrita por Brown en 1974, quien menciona que éste método se puede
aplicar en cualquier tipo de bosque. Consiste en el conteo de las intersecciones de las
piezas leñosas en planos verticales. Sobre la base de este muestreo se estima el
volumen, y el peso se calcula con base en el volumen y la aplicación de estimadores
de gravedad específica del material leñoso.
Desafortunadamente ésta técnica tiene el inconveniente que los datos se deben
tomar in situ, por lo tanto se requiere dedicar bastante tiempo, esfuerzo y dinero. Por
esta razón, los terrenos forestales en los que se hace la cuantificación de combustibles
muertos son muy escasos. Y de aquellos que se tiene información, después de cierto
tiempo dicha información estará limitada, puesto que la carga de combustible es
dinámica.
La regresión stepwise es un método que facilita relacionar variables entre sí;
ésta permite obtener una ecuación para predecir el valor de la variable dependiente
una vez conocidos los valores de la variable independiente. Éste método es una
herramienta útil, fácil y rápida en el cálculo de material combustible muerto a partir
de material combustible vivo, que puede ser desarrollada en todos aquellos predios de
los que se tenga información de inventarios forestales, puesto que se contará con las
variables dependientes (combustible muerto) y las variables independientes (datos
dasométricos) necesarias para su aplicación.
El presente trabajo tiene como objetivo estimar el material combustible muerto a
partir de material combustible vivo mediante relaciones alométricas, teniendo como
hipótesis la existencia de correlación entre la variable dependiente con las
explicativas.
Materiales y métodos
Descripción del área de estudio
El área de estudio seleccionada, se ubica geográficamente al suroeste del estado de
Durango. Sus coordenadas geográficas están entre los 23° 07' y 23° 39' latitud norte y
los 105° 12' y 105° 46' de longitud al oeste. Cuenta con una superficie total de
298
Memorias del Cuarto Simposio Internacional Sobre Políticas, Planificación y Economía de los
Incendios Forestales: Cambio Climático e Incendios Forestales
240,739 ha, con una topografía accidentada en un sistema de topoforma de mesetas
asociadas con cañadas y altitud desde 500 a 2,800 msnm. Los suelos tienen su origen
en el intemperismo de rocas ígneas. Los principales usos del suelo son el agrícola, el
pecuario y el forestal (Meraz 1998). La mayoría de los ecosistemas son de propiedad
comunal, aunque existen algunos de propiedad privada. Los climas presentes son:
C(w2), templado, subhúmedo, lluvias de verano del 5 al 10.2 por ciento anual;
(A)C(w2), semicálido, templado subhúmedo, lluvias de verano del 5 al 10.2 por
ciento anual; Cb'(w2), templado, semifrío, con verano fresco largo, subhúmedo,
lluvias de verano del 5 al 10.2 por ciento anual; Aw1, cálido subhúmedo, lluvias de
verano del 5 al 10.2 por ciento anual; C(w2), templado, subhúmedo, lluvias de verano
del 5 al 10.2 por ciento anual (Pompa 2012), (Figura 1).
Figura 1—Localización del Ejido Pueblo Nuevo, Durango
Metodología
A partir de la disposición de datos dasométricos tales como: carga de hojarasca
(Mg/ha-1); combustibles leñosos ligeros, medianos y pesados (Mg/ha-1); pendiente
(por ciento); altura media de Pinus (m); remoción promedio (m3); diámetro
cuadrático de encino y pino (cm); intensidades de corta de pinos y encinos(por
ciento); porcentaje de encino, de coníferas y hojosas; existencias reales de cada una
de las especies (número de individuos); IMA total y nivel de productividad de los
299
GENERAL TECHNICAL REPORT PSW-GTR-245
rodales, obtenidos del inventario de manejo forestal del Ejido Pueblo Nuevo
Durango, se realizó un análisis gráfico de dispersión del material combustible muerto
con cada una de las variables de material combustible vivo, en el cual se identificaron
tendencias de mayor relación a la carga de combustibles muertos. Una vez
identificadas las variables con mayor aportación, se procesaron mediante el método
paso a paso (stepwise) del programa SAS, para analizar las relaciones espaciales de la
variable dependiente (combustible muerto) con las variables independientes
(combustible vivo).
Los modelos utilizados para la estimación de la carga de los combustibles
muertos fueron los siguientes (tabla 1).
Tabla 1—Modelos utilizados para la estimación de la carga de combustibles
Modelo
(1)
H=β1*P+β2*A+β3*R+β4*DQ+β5*ICP+β6*ICM
(2)
T=β1*H+β2*DQ
(3)
LP=β1*H+β2*ICQ
(4)
PES=β1*DP
(5)
LP=β1*OC+β2*DQ
(6)
c3=β1*OC+β2*DQ
(7)
c2=β1*OC+β2*DQ
(8)
c1=β1*DQ
Donde β1, β2, β3, β4, β5, β6 son parámetros de regresión, H es la carga de
hojarasca (Mg/ha-1), P es la pendiente (por ciento), A es la altura media de Pinus (m),
R es la remoción promedio (m3), DQ es el diámetro cuadrático de Quercus (cm), ICP
es la intensidad de corta de pino (por ciento), ICM es la intensidad de corta promedio
de Pinus (por ciento), T es la carga total (Mg/ha-1), LP es la sumatoria de la carga de
combustibles leñosos ligeros, medianos y pesados (Mg/ha-1), ICQ es la intensidad de
corta de Quercus (por ciento), PES es la carga de combustibles leñosos pesados
(Mg/ha-1), DP es el diámetro cuadrático de pino (cm), OC es el número total de otras
coníferas (número de individuos), C1, C2, C3 son las cargas de categorías de
combustibles leñosos con 1, 10 y 100 h de TR, respectivamente (Mg/ha-1).
El criterio empleado para evaluar la bondad de ajuste del modelo se basará en
un análisis numérico consistente en la comparación de tres estadísticos utilizados con
frecuencia en el modelaje forestal: 1) el sesgo ( E ), que evalúa la desviación del
modelo con respecto a los valores observados; 2) la raíz del error medio cuadrático
(REMC), que analiza la precisión de las estimaciones, y 3) el coeficiente de
300
Memorias del Cuarto Simposio Internacional Sobre Políticas, Planificación y Economía de los
Incendios Forestales: Cambio Climático e Incendios Forestales
determinación ajustado R2adj, que representa la parte de la varianza explicada por el
modelo, teniendo en cuenta el número de parámetros de éste. Sus expresiones son:
Sesgo:
n
E   ( y i  yˆ i ) / n
i 1
(1)
Raíz del error medio cuadrático:
REMC 
n
 y
i 1
 yˆ i  /( n  p )
2
i
(2)
Coeficiente de determinación ajustado:
n
n
i 1
i 1
2
Radj
1 - (n 1)  ( yi  yˆ i ) 2 /(n  p)  ( yi  yi ) 2
Donde
y i , ŷ i
y
(3)
y son el valor observado, estimado y medio de la variable
dependiente, respectivamente, n es el número total de observaciones usadas para
ajustar el modelo, y p es el número de parámetros del modelo.
Resultados y discusión De acuerdo con los estadísticos de ajuste obtenidos mediante el método paso a paso
(stepwise), las variables independientes que explican mayormente la influencia de
carga de combustibles muertos son: intensidad de corta de pino y encino, las
existencias reales totales de pino, encino y otras hojosas y la profundidad de
hojarasca (tabla 2).
En la tabla 2, los resultados muestran errores estándar cercanos a cero y R2
confiables, lo que nos indica que hay una correlación aceptable entre las variables
independientes con las dependientes. Es importante mencionar que aunque algunos
modelos (2, 3, 4, 5, 6, 7 y 8) tienen menor número de parámetros sus resultados son
igualmente confiables a los modelos con un mayor número. Como se observa en los
modelos 1 y 2 que aunque difieren en cantidad de parámetros estimados la variable
calculada es la misma y sus resultados son semejantes.
301
GENERAL TECHNICAL REPORT PSW-GTR-245
Tabla 2. Modelos estimados de combustibles muertos a partir de combustibles vivos.
Modelo
Parámetros
Estimación
Error
estándar
(1)
β1
-0.084
0.018
H=β1*P+β2*A+β3*R+β4*DQ+
β2
0.377
0.071
β5*ICP+β6*ICM
β3
31.250
5.375
β4
0.162
0.027
β5
-0.066
0.015
β6
-2.149
0.393
β1
1.053
0.173
β2
0.413
0.044
β1
1.120
0.128
β2
0.104
0.027
(4) PES=β1*DP
β1
0.308
(5) LP=β1*OC+β2*DQ
β1
(2) T=β1*H+β2*DQ
(3) LP=β1*H+β2*ICQ
(6) c3=β1*OC+β2*DQ
(7) c2=β1*OC+β2*DQ
(8) c1=β1*DQ
Estadísticos
de ajuste
REMC
R2adj.
4.363
0.761
15.635
0.683
17.100
0.371
0.026
14.818
0.269
0.106
0.018
5.729
0.554
β2
0.149
0.009
β1
0.052
0.009
2.847
0.520
β2
0.068
0.004
β1
0.052
0.009
2.847
0.520
β2
0.068
0.004
β1
0.013
0.0008
0.595
0.380
En el modelo 1 cantidad de hojarasca, se tienen errores estándar cercanos a cero
y los estadísticos de ajuste arrojan una R2 de 0.761 lo que indica que hay una buena
correlación entre la hojarasca y las variables dependientes. En el modelo 2 carga
total de combustibles de igual manera nos arroja errores estándar cercanos a cero, con
una R2 de 0.683. Los resultados manifiestan que ambos modelos arrojan datos
estadísticamente confiables aun y cuando difieren en el número de parámetros
estimados.
Por otro lado los modelos demuestran que los factores principales de la
concentración de los combustibles forestales están en función de los desperdicios
generados durante los tratamientos de cortas, y por las existencias reales totales, tal
como lo expone en su trabajo (Rentería y otros 2005).
De acuerdo con los resultados obtenidos, las variables intensidad de corta,
existencias reales totales y profundidad de hojarasca, pueden ser usadas de manera
confiable en el cálculo de carga de combustible, no obstante su clasificación se
dificulta en términos de dimensiones (ligeros, medianos y pesados) y lugar en que se
302
Memorias del Cuarto Simposio Internacional Sobre Políticas, Planificación y Economía de los
Incendios Forestales: Cambio Climático e Incendios Forestales
encuentren (terrestres, superficiales y aéreos). Para Flores y Omi, (2003), su
estimación constituye una estrategia útil para identificar las áreas con mayor
susceptibilidad de ocurrencia de incendios forestales, y de esta manera dirigir
estrategias de prevención, control y combate de estos. Esto es coincidente con
Estrada y Ángeles (2007), quiénes mencionan que los valores obtenidos durante
cualquier evaluación de combustibles forestales pueden servir como base para la
elaboración de mapas de riesgo de incendio forestal al conjugar otros parámetros.
Adicionalmente mediante este método no es necesaria la realización de un inventario
de combustibles forestales que requiere tiempo, trabajo y financiamiento. Los datos
de combustibles se podrán actualizar a la vez que se actualice el inventario forestal.
Conclusión
La carga de combustibles muertos se puede calcular a partir de combustibles vivos
mediante técnicas estadísticamente sustentadas de correlación de datos dasométricos.
En el presente trabajo las variables que mejor explicaron a los modelos fueron:
intensidad de corta, existencias reales totales y profundidad de hojarasca. Se
determinó que este método de correlación constituye una herramienta rápida, viable y
eficiente puesto que las variables dependientes se toman a partir de datos de
inventario ya existentes. Así mismo puede constituir una herramienta en el modelado
de peligro de incendios, regímenes y estrategias de manejo del fuego.
Agradecimientos
Se agradece a la responsiva técnica, al Ejido pueblo Nuevo por la disposición de
información para la realización del presente trabajo. Así mismo, se agradecen las
observaciones y sugerencias al manuscrito original al Dr. Dante A. Rodríguez.
Referencias
Brown, J. 1974. Handbook for inventorying downed woody material. USDA Forest Service.
General Technical Report INT – 16. Utah, USA. 24 p.
Estrada, I.; Ángeles, E.R. 2007. Evaluación de combustibles forestales en el parque nacional
El Chico Hidalgo Sevilla España. Wildfire. 1-19 p.
Flores, J.G.; Omi, P. N. 2003. Mapping forest fuels for spatial fire behavior simulation using
geomatic strategies. Agrociencia. Colegio de postgraduados. 37(001): 65-72.
Meraz, R. 1998. Programa de manejo forestal ciclo de corta 1997-2007. Servicio Técnicos
Forestales del Ejido Forestal Pueblo Nuevo. 215 p.
Pompa, M. 2012. Sistema de información geográfica de los ecosistemas de Durango.
Disponible en http://www.ujed.mx/sigeed/Inicio.aspx. Consultado el 17 de febrero
de 2012.
303
GENERAL TECHNICAL REPORT PSW-GTR-245
Rentería, J.B.; Treviño E.J.; Návar, J. de J.; Aguirre, O.A.; Cantú, I. 2005.
Caracterización de combustibles leñosos en el Ejido Pueblo Nuevo, Durango.
Revista Chapingo. Universidad autónoma Chapingo 11(001): 51-56.
Wong, J.C.; Villers, M.L. 2007. Evaluación de combustibles y su disponibilidad en
incendios forestales: un estudio en el parque nacional la Malinche. Universidad
Nacional Autónoma.
304