Palabras clave
acumulación de combustibles
predicción de incendios
distribución de densidad
superficie siniestrada
Cómo citar
##article.highlights##
- Se desarrolló un índice para superficies extensas denominado superficie en riesgo de incendio (SeR).
- La distribución de densidad se estimó a partir de la superficie siniestrada (1970- 2018) en México.
- Modificaciones al índice generan un indicador comparable entre unidades territoriales.
- El índice SeR tiene potencial para predecir la extensión de los siniestros.
Resumen
Introducción: La estimación del riesgo de ocurrencia de un incendio contribuye a reducir pérdidas humanas, de infraestructura y recursos naturales; promover actividades para mantener y restaurar regímenes de fuego; y optimizar los recursos destinados a la supresión.
Objetivo: Desarrollar un índice de ocurrencia de incendios forestales en superficies extensas, denominado superficie en riesgo de incendio (SeR).
Materiales y métodos: El índice corresponde a la superficie asociada a un nivel de probabilidad medido en la cola derecha de la distribución de densidad de la superficie afectada anualmente por incendios forestales. La distribución de densidad se estimó a partir del historial de superficie siniestrada (1970-2018) en México por entidad federativa. El ajuste se realizó minimizando el estadístico Kolmogorov-Smirnov con cuatro modelos: exponencial, gama, lognormal y Weibull. Se proponen dos indicadores relacionados: proporción de la superficie forestal afectada (PSeR) y superficie incremental en riesgo (ISeR).
Resultados y discusión: Todos los modelos mostraron un ajuste significativo (P < 0.05); el modelo lognormal fue el de mejor desempeño. La SeR discrimina unidades territoriales con mayor superficie afectada por incendios; adicionalmente, predice eficientemente la superficie a ser afectada por incendios. La PSeR facilita la comparación del riesgo de ocurrencia de incendios entre unidades territoriales de tamaño diferente, mientras que la ISeR estima el cambio en la máxima superficie afectada por incendios en un periodo.
Conclusión: La SeR es un índice de riesgo de eventos extremos que brinda información útil y tiene un poder predictivo estadísticamente aceptable.
Citas
Adab, H., Kanniah, K. D., & Solaimani, K. (2013). Modeling forest fire risk in the northeast of Iran using remote sensing and GIS techniques. Natural Hazards, 65(3), 1723‒1743. doi: https://doi.org/10.1007/s11069-012-0450-8
Adab, H., Kanniah, K. D., Solaimani, K., & Sallehuddin, R. (2015). Modelling static fire hazard in a semi-arid region using frequency analysis. International Journal of Wildland Fire, 24(6), 763‒777. Retrieved from http://www.publish.csiro.au/wf/WF13113
Ager, A. A., Vaillant, N. M., & Finney, M. A. (2010). A comparison of landscape fuel treatment strategies to mitigate wildland fire risk in the urban interface and preserve old forest structure. Forest Ecology and Management, 259(8), 1556‒1570. doi: https://doi.org/10.101 6/foreco.2010.01.032
Alvarado, E., Sandberg, D. V., & Pickford, S. G. (1998). Modeling large forest fires as extreme events. Northwest Science, 72, 66‒75. Retrieved from https://www.researchgate.net/publication/312916018_Modeling_large_forest_fires_as_extreme_events
Ávila, F. D., Pompa, G. M., Antonio, N. X., Rodriguez, T. D. A., Vargas, P. E., & Santillán, P. J. (2010). Driving factors for forest fire occurrence in Durango State of Mexico: A geospatial perspective. Chinese Geographical Science, 20(6), 491‒497. doi: https://doi.org/10.1007/s11769-010-0437-x
Comisión Nacional Forestal (CONAFOR). (2019). Incendios forestales: Serie histórica de datos. Retrieved from https://datos.gob.mx/busca/organization/conafor
Cui, W., & Perera, A. H. (2008). What do we know about forest fire size distribution, and why is this knowledge useful for forest management? International Journal of Wildland Fire, 17(2), 234‒244. Retrieved from http://www.publish.csiro.au/wf/wf06145
Cumming, S. G. (2001). A parametric model of the fire-size distribution. Canadian Journal of Forest Research, 31(8), 1297‒1303. doi: https://doi.org/10.1139/x01-032
Dowd, K. (2003). An introduction to market risk measurement. West Sussex, England: John Wiley & Sons.
Federal Emergency Management Agency (FEMA). (2002). Guidelines and specifications for flood hazard mapping partners. Appendix D: guidance for coastal flooding analyses and mapping. Retrieved from https://www.fema.gov/es/media-library/assets/documents/13948
Fernandes, P. M., Pacheco, A. P., Almeida, R., & Claro, J. (2016). The role of fire-suppression force in limiting the spread of extremely large forest fires in Portugal. European Journal of Forest Research, 135(2), 253‒262. doi: https://doi.org/10.1007/s10342-015-0933-8
Finney, M. A. (2005). The challenge of quantitative risk analysis for wildland fire. Forest Ecology and Management, 211(1-2), 97‒108. doi: https://doi.org/10.1016/j.foreco.2005.02.010
Food and Agricultural Organization (FAO). (2007). Fire management global assessment 2006. A thematic study prepared in the framework of the Global Forest Resources Assessment 2005. FAO Forestry Paper 151. Retrieved from http://www.fao.org/3/a0969e/a0969e00.htm
Forbes, C., Evans, M., Hastings, N., & Peacock, B. (2011). Statistical distributions. New Jersey, Estados Unidos: John Wiley & Sons.
Holmes, T. P., Huggett, R. J., & Westerling, A. L. (2008). Statistical analysis of large wildfires. In T. P. Holmes, J. P. Prestemon, & K. L. Abt (Eds.), The economics of forest disturbances. Forestry sciences (vol. 79, pp. 59‒77). Dordrecht, Holanda: Springer. doi: https://doi.org/10.1007/978-1-4020-4370-3_4
Instituto Nacional de Estadística y Geografía (INEGI). (2015). Carta de uso del suelo y vegetación de México. Retrieved from http://www.beta.inegi.org.mx/app/mapas/ default.html?
International Panel on Climate Change (IPCC). (2007). Climate Change 2007. Impacts, adaptation, and vulnerability. Contribution of working group II to the fourth assessment report of the IPCC. Cambridge, UK: Cambridge University Press. Retrieved from https://www.ipcc.ch/site/assets/uploads/2018/03/ar4_wg2_full_report.pdf
Irland, L. C. (2013). Extreme value analysis of forest fires from New York to Nova Scotia, 1950–2010. Forest Ecology and Management, 294, 150‒157. doi: https://doi.org/10.1016/j.foreco.2012.09.004
Jiang, Y., & Zhuang, Q. (2011). Extreme value analysis of wildfires in Canadian boreal forest ecosystems. Canadian Journal of Forest Research, 41(9), 1836‒1851. doi 10.1139/x11-102
Jiang, Y., Zhuang, Q., Flannigan, M. D., & Little, J. M. (2009). Characterization of wildfire regimes in Canadian boreal terrestrial ecosystems. International Journal of Wildland Fire, 18(8), 992–1002. Retrieved from http://www.publish.csiro.au/WF/WF08096
Jones, G. M., Gutiérrez, R. J., Tempel, D. J., Whitmore, S. A., Berigan, W. J., & Peery, M. Z. (2016). Megafires: an emerging threat to old‐forest species. Frontiers in Ecology and the Environment, 14(6), 300‒306. doi: https://doi.org/10.1002/fee.1298
Jorion, P. (2000). Value at risk. New York, USA: McGraw-Hill.
Katz, R. W., Brush, G. S., & Parlange, M. B. (2005). Statistics of extremes: modeling ecological disturbances. Ecology, 86(5), 1124‒1134. doi: https://doi.org/10.1890/04-0606
Keeley, J. E., Fotheringham, C. J., & Morais, M. (1999). Reexamining fire suppression impacts on brushland fire regimes. Science, 284(5421), 1829‒1832. doi: https://doi.org/10.1126/science.284.5421.1829
Liu, Y., Stanturf, J., & Goodrick, S. (2010). Trends in global wildfire potential in a changing climate. Forest Ecology & Management, 259(4), 685‒697. doi: https://doi.org/10.1016/j.foreco.2009.09.002
Malamud, B. D., Morein, G., & Turcotte, D. L. (1998). Forest fires: An example of self-organized critical behavior. Science, 281(5384), 1840‒1842. doi: https://doi.org/10.1126/science.281.5384.1840
Marlon, J. R., Bartlein, P. J., Walsh, M. K., Harrison, S. P., Brown, K. J., Edwards, M. E., Brunelle, A., …Whitlock, C. (2009). Wildfire responses to abrupt climate change in North America. Proceedings of the National Academy of Sciences, 106(8), 2519‒2524. doi: https://doi.org/10.1073/pnas.0808212106
Miller, C., & Ager, A. A. (2013). A review of recent advances in risk analysis for wildfire management. International Journal of Wildland Fire, 22(1), 1‒14. doi: https://doi.org/10.1071/WF11114
Moore, P. F. (2019). Global wildland fire management research needs. Current Forestry Reports, 5, 210–225. doi: https://doi.org/10.1007/s40725-019-00099-y
Munn, I. A., Zhai, Y., & Evans, D. L. (2003). Modeling forest fire probabilities in the south central United States using FIA data. Southern Journal of Applied Forestry, 27(1), 11‒17. doi: https://doi.org/10.1093/sjaf/27.1.11
Podschwit, H., Larkin, N., Steel, E., Cullen, A., & Alvarado, E. (2018). Multi-model forecasts of very-large fire occurrences during the end of the 21st century. Climate, 6(4), 100. doi: https://doi.org/10.3390/cli6040100
Podur, J., Martell, D. L., & Knight, K. (2002). Statistical quality control analysis of forest fire activity in Canada. Canadian Journal of Forest Research, 32(2), 195‒205. doi: https://doi.org/10.1139/x01-183
Podur, J. J., Martell, D. L., & Stanford, D. (2009). A compound Poisson model for the annual area burned by forest fires in the province of Ontario. Environmetrics, 21(5), 457‒469. doi: https://doi.org/10.1002/env.996
Preisler, H. K., Brillinger, D. R., Burgan, R. E., & Benoit, J. W. (2004). Probability based models for estimation of wildfire risk. International Journal of Wildland Fire, 13(2), 133‒142. doi: https://doi.org/10.1071/WF02061
Read, L. K., & Vogel, R. M. (2016). Hazard function theory for nonstationary natural hazards. Natural Hazards and Earth System Sciences, 16, 915–925. doi: https://doi.org/10.5194/nhess-16-915-2016
Reed, W. J. (2001). The Pareto, Zipf and other power laws. Economics Letters, 74(1), 15‒19. doi: https://doi.org/10.1016/S0165-1765(01)00524-9
Rodríguez, T. D. A. (2015). Incendios de vegetación: su ecología, manejo e historia (vol. 2). Texcoco, México: Colegio de Posgraduados.
Schoenberg, F. P., Peng, R., & Woods, J. (2003). On the distribution of wildfire sizes. Environmetrics, 14(3), 583‒592. doi: https://doi.org/10.1002/env.605
Stojanova, D., Panov, P., Kobler, A., Džeroski, S., & Taškova, K. (2006). Learning to predict forest fires with different data mining techniques. Retrieved from https://www.researchgate.net/publication/228527438_Learning_to_predict_forest_fires_with_different_data_mining_techniques
Strauss, D., Bednar, L., & Mees, R. (1989). Do one percent of the forest fires cause ninety-nine percent of the damage? Forest Science, 35(2), 319‒328. doi: https://doi.org/10.1093/forestscience/35.2.319
Sun, C., & Tolver, B. (2012). Assessing the distribution patterns of wildfire sizes in Mississippi, USA. International Journal of Wildland Fire, 21(5), 510‒520. doi: https://doi.org/10.1071/WF10107
Taylor, S. W., Woolford, D. G., Dean, C. B., & Martell, D. L. (2013). Wildfire prediction to inform management: statistical science challenges. Statistical Science, 28(4), 586‒615. doi: https://doi.org/10.1214/13-STS45
Thompson, M. P., & Calkin, D. E. (2011). Uncertainty and risk in wildland fire management: a review. Journal of Environmental Management, 92(8), 1895‒1909. doi: https://doi.org/10.1016/j.jenvman.2011.03.015
Torres-Rojo, J. M., Magaña-Torres, O. S., & Ramírez-Fuentes, G. A. (2007). Índice de peligro de incendios forestales de largo plazo. Agrociencia, 41(6), 663‒674. Retrieved from http://www.scielo.org.mx/pdf/agro/v41n6/1405-3195-agro-41-06-663.pdf
Vasilakos, C., Kalabokidis, K., Hatzopoulos, J., Kallos, G., & Matsinos, Y. (2007). Integrating new methods and tools in fire danger rating. International Journal of Wildland Fire, 16(3), 306–316. doi: https://doi.org/10.1071/WF05091
Westerling, A. L., Hidalgo, H. G., Cayan, D. R., & Swetnam, T. W. (2006). Warming and earlier spring increase western US forest wildfire activity. Science, 313(5789), 940–943. doi: https://doi.org/10.1126/science.1128834
Wiitala, M. R., & Carlton, D. W. (1994). Assessing long-term fire movement risk in wilderness fire management. Proceedings of the International Conference on Fire and Forest Meteorology, 12, 187–194.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2020 Revista Chapingo Serie Ciencias Forestales y del Ambiente