2

ÍNDICE INTRODUCCIÓN ........................................................................................................... 6 1.- ANTECEDENTES ...................................................................................................... 7 2.- OBJETIVOS ............................................................................................................. 10 3.- DESARROLLO METODOLÓGICO DEL ESTUDIO ....................................................... 11

3.1.- Condicionantes e información de base del estudio.............................. 11

3.2.- Cálculo de los mapas de combustibles ................................................. 15

3.3.- Cálculo del mapa de elevaciones medias ............................................. 18

3.4.- Cálculo del mapa Tmáx (Temperatura máxima) ............................... 21

3.4.1.- Cálculo de la Tmax a partir de la Temperatura prevista ............ 21

3.4.2.- Cálculo de la Tmax a partir de la Temperatura real .................... 24

3.5.- Entrada de variables al modelo ............................................................ 26

3.5.1.- Mapa de probabilidad de incendios con temperatura prevista ... 26

3.5.2.- Mapa de probabilidad de incendios con temperatura real .......... 27

3.6.- Creación de los mapas de incendios ocurridos ................................... 28

3.7.- Evaluación del Modelo de Riesgo de Ignición por Causas Humanas 27

4.- RESULTADOS DEL ESTUDIO .................................................................................... 31

4.1.- Capas de los modelos de combustibles ................................................ 31

4.2.- Capa de las elevaciones medias ............................................................ 32

4.3.- Capas de Tmax ....................................................................................... 33

4.3.1.- Temperatura prevista ............................................................... 33

4.3.2.- Temperatura real ....................................................................... 33

4.4.- Probabilidad de incendio ...................................................................... 34

4.5.- Mapa de incendios ocurridos ................................................................ 38

4.6.- Resultados del modelo ........................................................................... 38

4.6.1.- Resultados Temperaturas Reales – Zona del Modelo .............. 39

4.6.2.- Resultados Temperaturas Reales – Cataluña ............................ 40

4.6.3.- Resultados Temperaturas Previstas – Zona del Modelo .......... 42

4.6.4.- Resultados Temperaturas Previstas – Cataluña ....................... 42

3

5.- DISCUSIÓN DE LOS RESULTADOS ............................................................................. 44

5.1.- Capas de los modelos de combustibles ................................................ 44

5.2.- Capa de las elevaciones medias ............................................................ 45

5.3.- Capas de Tmax ....................................................................................... 46

5.3.1.- Temperatura prevista ............................................................... 46

5.3.2.- Temperatura real ....................................................................... 50

5.4.- Resultados de la automatización del modelo........................................ 50

5.5.- Evaluación del modelo .......................................................................... 50

6.- CONCLUSIONES ...................................................................................................... 53

7.- BIBLIOGRAFÍA ........................................................................................................ 55

4

ÍNDICE DE TABLAS

Tabla 1.a. Variables geográficas de análisis................................................................................................... 7 Tabla 1.b. Variables meteorológicas de análisis............................................................................................. 8

Tabla 1.c. Formulación y tabla de clasificación del mejor modelo de predicción de incendios por causas

humanas........................................................................................................................................................... 8 Tabla 3.7.a. En esta tabla se muestra esquemáticamente los resultados que generaría la macro de Excel.... 30 Tabla 4.6.a. En esta tabla se muestra esquemáticamente los resultados que generaría la macro de Excel.... 39

Tabla 4.6.1.a. Resultados de la comparación de les igniciones ocurridas frente a las predicciones hechas

por el modelo con las temperaturas reales, todo ello para la zona de creación del modelo............................. 39

Tabla 4.6.1.b. Porcentaje de igniciones y no ocurridas que sido estado previstas por el modelo................ 40

Tabla 4.6.1.c. Porcentaje de les celdas previstas que han sido igniciones y que han comportado falsas

alarmas............................................................................................................................................................. 40

Tabla 4.6.2.a. Resultados de la comparación de les igniciones ocurridas frente a las predicciones hechas

por el modelo con las temperaturas reales y para toda Cataluña..................................................................... 40

Tabla 4.6..2.b. Porcentaje de igniciones ocurridas que han sido previstas por el modelo............................ 41

Tabla 4.6.2.c. Porcentaje de les celdas que han acertado igniciones y que han comportado falsas alarmas. 41

Tabla 4.6..3.a. Resultados de la comparación de les igniciones ocurridas frente a las predicciones hechas

por el modelo con las temperaturas previstas y para la zona del modelo. ..................................................... 41

Tabla 4.6.3.b. Porcentaje de igniciones ocurridas que han sido previstas por el modelo. ........................... 42

Tabla 4.6.3.c. Porcentaje de igniciones ocurridas que han sido previstas por el modelo. ........................... 42 Tabla 4.6.4.a. Resultados de la comparación de las igniciones ocurridas frente a las predicciones hechas

por el modelo con las temperaturas previstas y para toda Cataluña. ............................................................. 42

Tabla 4.6.4.b. Porcentaje de las celdas que han acertado igniciones y que han comportado falsas alarmas. 43

Tabla 4.6.4.c. Porcentaje de las celdas que han acertado igniciones y que han comportado falsas alarmas. 43

Tabla 5.3.1.a. Tabla con los parámetros introducidos para la interpolación con Spline ............................... 47

Tabla 5.3.1.b. Tabla con los parámetros introducidos para la interpolación con IDW ................................. 48

Tabla 5.4.a. Tabla donde se muestra la fiabilidad del modelo para las diferentes zonas y temperaturas

implementadas en el modelo ........................................................................................................................... 50

Tabla 5.4.b. Tabla donde se muestra la eficacia del modelo para las diferentes zonas y temperaturas

implementadas en el modelo ........................................................................................................................... 51

5

ÍNDICE DE FIGURAS

Fig. 3.1.a. Malla guía que se usará como marco de referencia para las variables a usar en el modelo........... 12 Fig. 3.1.b. Mapa y leyenda de los modelos de combustibles y otras superficies que se disponía en el

momento de la realización del MDRICH........................................................................................................ 13 Fig. 3.1.c. Ejemplo de asignación de estación meteorológica a cuadrícula de 10 x 10 km2. En este caso, la

estación a asignar sería la A............................................................................................................................. 14 Fig.3.1.d y e. A la izquierda, pagina web donde se colgaban todos los archivos de temperaturas previstas

(GRD) y coodenadas (DAT). Arriba, se muestra la disposición de los registros detemperaturas previstas

de cada fichero GRD....................................................................................................................................... 15 Fig. 3.2.a. Mapa y leyenda de los modelos de combustibles y otras superficies clasificadas........................ 16 Fig. 3.2.b. Mapa de los modelos de combustibles 4, 5 y 6 obtenidos a partir de la reclasificación del mapa

de la figura 3.2.a.............................................................................................................................................. 16

Fig 3.2.c. Tabla de los modelos de combustibles seleccionados exportada a Excel desde

ArcInfo............................................................................................................................................................. 17

Fig. 3.2.d. y 3.2.e. Arriba, el cálculo de la superficie, y abajo, calculo del porcentaje según combustible y

celda asignada.................................................................................................................................................. 17

Fig. 3.3.a. Modelo Digital del Terreno (45m) utilizado para la creación del mapa de elevaciones medias.... 18 Fig. 3.3.b. Media de las elevaciones de Cataluña que se utilizaron en la creación del MRICH..................... 19

Fig. 3.3.c. MDT recortado a la superficie de Cataluña.................................................................................... 19

Fig. 3.3.d. Tabla con la relación altitud-id_malla guía importada a Access desde ArcInfo............................ 20

Fig. 3.3.e. Tabla con la con la media de las elevaciones para cada identificador de la malla guía................. 20

Fig. 3.4.1.a. Captura de pantalla de la página en la cual se encuentra el listado de las temperaturas en

grados Kelvin .................................................................................................................................................. 22

Fig. 3.4.1.b. Captura de pantalla de la página en la cual se encuentra el listado de coordenadas de los

puntos donde se situarán los valores de las temperaturas................................................................................ 22

Fig. 3.4.1.c. Temperaturas localizadas según la cobertura de puntos creada a partir de la totalidad de

registros del fichero de coordenadas................................................................................................................ 23

Fig. 3.4.1.d. Cobertura de puntos con los valores de temperaturas para Cataluña........................................ 23

Fig. 3.4.2.a. Mapa con las estaciones meteorológicas y las temperaturas reales que registran para el día

05/08/03........................................................................................................................................................... 25

Fig. 3.4.2.b. Mapa con las temperaturas reales de las estaciones para el 05/08/03 contenidas en polígonos

de Thiessen....................................................................................................................................................... 25

Fig. 3.6.a. Mapa con los incendios ocurridos en el periodo comprendido entre 15/07/03 y el 15/09/03.

Arriba, en verde, detalle de incendios con coordenadas fuera de la superficie Catalana................................ 28

Fig. 3.7.a. Tabla exportada y abierta en Excel la cual muestra los campos que presenta y las

combinaciones generadas entre el raster de Cataluña-temperatura prevista y el raster de los incendios

ocurridos para el día 05/08/03.......................................................................................................................... 30

6

Fig. 4.1.a. Mapa con el porcentaje correspondiente del modelo de combustible 4 para cada cuadrícula de

10 km............................................................................................................................................................... 31

Fig. 4.1.b. Mapa con el porcentaje correspondiente del modelo de combustibles 5 para cada cuadrícula

de 10 km........................................................................................................................................................... 31

Fig. 4.1.c. Mapa con el porcentaje correspondiente del modelo de combustibles 6 para cada cuadrícula de

10 km............................................................................................................................................................... 32

Fig. 4.2.f. Mapa de elevaciones medias para las cuadrículas de 10x10 km de la malla guía. ........................ 32

Fig. 4.3.1.a Mapa de Temperaturas previstas con tamaño de celda de 10 km............................................... 33

Fig. 4.3.2.a. Mapa con las temperaturas reales del 05/08/03 según celdas de 10x10 km2.............................. 34

Fig. 4.4.1.a. Mapa de riesgo de ignición por causas humanas para el día 05/08/03, evaluado en tanto por

uno, para la zona del modelo y calculado con la temperatura real.................................................................. 35

Fig. 4.4.1.b. Mapa de riesgo de ignición por causas humanas para el día 05/08/03, evaluado en tanto por

uno, para toda Cataluña y calculado con la temperatura real........................................................................... 35

Fig. 4.4.1.c. Mapa de riesgo de ignición por causas humanas para el día 05/08/03, evaluado en tanto por

uno, para la zona del modelo y calculado con la temperatura prevista........................................................... 36

Fig. 4.4.1.d. Mapa de riesgo de ignición por causas humanas para el día 05/08/03, evaluado en tanto por

uno, para toda Cataluña y calculado con la temperatura prevista................................................................... 36

Fig. 4.4.1.e. Mapa de riesgo de ignición por causas humanas para el día 05/08/03, evaluado en cuatro

intervalos, para la zona del modelo y calculado con la temperatura real......................................................... 36

Fig. 4.4.1.f. Mapa de riesgo de ignición por causas humanas para el día 05/08/03, evaluado en cuatro

intervalos, para toda Cataluña y calculado con la temperatura real................................................................. 36

Fig. 4.4.1.g. Mapa de riesgo de ignición por causas humanas para el día 05/08/03, evaluado en cuatro

intervalos, para la zona del modelo y calculado con la temperatura prevista................................................. 37

Fig. 4.4.1.h. Mapa de riesgo de ignición por causas humanas para el día 05/08/03, evaluado en cuatro

intervalos, para toda Cataluña y calculado con la temperatura prevista......................................................... 37

Fig. 4.4.1.i. Captura de pantalla de la Intranet de la DGESC.......................................................................... 37

Fig. 4.5.a. Mapa de incendios ocurridos en celdas 10x10 km2, el cual se utilizará para la evaluación del

modelo.............................................................................................................................................................. 38

Fig. 5.1.1. Error de bordes representado por la diferencia del porcentaje del las capas del modelo 4............ 44

Fig. 5.1.b. Error de bordes representado por la diferencia del porcentaje del las capas del modelo 5............ 44

Fig. 5.1.c. Error de bordes representado por la diferencia del porcentaje del las capas del modelo 6............ 45

Fig. 5.2.a. Mapa de las diferencias obtenidas entre la capa de elevaciones medias reales y la capa utilizada

en la creación del MDRICH............................................................................................................................ 45

Fig. 5.3.1.a. Mapa resultado de aplicar la interpolación con Spline................................................................ 47

Fig. 5.3.1.b. Mapa resultado de aplicar la interpolación con IDW.................................................................. 48

Fig. 5.3.1.c. Mapa resultado de aplicar la interpolación con TINs.................................................................. 49

7

INTRODUCCIÓN

En Cataluña, así como en España, los incendios forestales que se vienen

produciendo en los últimos años sugieren de una nueva forma de actuación en la

prevención de los éstos. El avance de las nuevas tecnologías (NT) y la disponibilidad de

datos para caracterizar el medio donde estos incendios se producen, así como las

características de los agentes de ignición que se requieren para el inicio de los mismos,

son las principales armas con las que disponemos para su prevención y detección, y

consecuentemente, útiles para la distribución de los equipos de extinción. Con la ayuda

de las NT, así como con la descripción de los agentes de ignición y los datos

característicos del medio, sería interesante la creación de un modelo capaz de predecir las

demarcaciones geográficas donde se pueden producir incendios, de forma diaria y con

suficiente anticipación para una distribución de los recursos de extinción que reduciría

costes, daños y pérdidas.

Este hecho es el que ha motivado a algunos estudiosos a reunir gran cantidad de

información que pudiera estar relacionada con las condiciones idóneas para que se

produzca un incendio e indagar en la búsqueda de formulas que puedan explicar de forma

más sencilla y práctica el riesgo de incendio en un lugar determinado. Chou (1990) y

Chou et al. (1990) encontraron que variables geográficas, como los modelos de

combustibles y la cercanía a carreteras o a áreas de acampada, estaban relacionadas con la

ocurrencia de incendios forestales en el distrito forestal de San Jacinto, San Bernardino

National Forest, California. Este apunte viene a decir que pueden utilizarse ciertas

variables geográficas y temporales para estimar indirectamente el riesgo humano en

ciertas áreas y para períodos específicos de tiempo, lo cual, sumado a que el estado del

combustible, para que se produzca un incendio, viene dado por unas condiciones

meteorológicas y físicas determinadas, pudiendo formular ecuaciones que nos aproximen

a una predicción de ignición para un lugar y momento dado disponiéndose y

seleccionándose los datos adecuados.

En el presente estudio se pretende poner en marcha un modelo de predicción

diario de incendios producidos por causas humanas (Vega et al. 2002) utilizando los

sistemas de información geográfica (SIG), el cual pretenderá abarcar toda la geografía

catalana.

8

1.- ANTECEDENTES

A la realización del presente trabajo le precede una serie de estudios finalizados

en el 2002 (Vega et al 2002) que giran en torno al análisis espacial y temporal de las

condiciones meteorológicas, topográficas, sociodemográficas y de vegetación que

pudieran estar relacionadas con la ocurrencia de incendios forestales causados por

personas para el periodo 1996-2000 en Cataluña mediante su integración en un SIG.

El análisis llegó a albergar 43 variables, como lo son características geográficas,

relacionadas con el relieve y la situación de las infraestructuras (tabla 1.a), datos

meteorológicos e incluso algunos índices de peligro estudiados por distintos autores

(tabla 1.b). Todas estas variables fueron sometidas a análisis estadísticos que mostraron

altas correlaciones entre los índices de peligro y sus variables de cálculo, así como

también entre diversas variables geográficas, lo cual se tuvo en cuenta para evitar la

multicolinearidad en los modelos.

Tabla 1.a. Variables geográficas de análisis. DENOMINACIÓN DESCRIPCIÓN UNIDADES

Elevación Media de elevación de la cuadrícula a partir de MDT Metros Clase O1 O2 O3 O4 O5

Orientaciones presentes en la cuadrícula Llano Norte Este Sur Oeste

En la fase de análisis se ha considerado la clase O1 (llano).

Clase P1 P2 P3 P4

Superficie ocupada según las clases de pendientes 0pct-5pct 5pct-15pct 15pct-30pct 30pct

Porcentaje de superficie ocupada por cada clase.

Vias1 Distancia media por cuadrícula autopistas y carreteras nacionales Metros

Vias2 Distancia media por cuadrícula carreteras asfaltadas (sin considerar autopistas y carreteras nacionales) Metros

Vias3 Distancia media por cuadrícula carreteras no asfaltadas, considerando como tales las pistas los caminos Metros

Ferroc Distancia media por cuadrícula líneas férreas Metros Línelec Distancia media por cuadrícula líneas eléctricas Metros Urban Distancia media por cuadrícula urbanizaciones Metros Núcleos Distancia media por cuadrícula núcleos urbanos Metros

P-PEIN Superficie ocupada por área PEIN-protegida Porcentaje de superficie ocupada.

Mod2, Mod3, Mod4, Mod5, Mod6, Mod7, Mod8, Mod9, Mod10

Superficie ocupada por cada modelo de combustible Porcentaje de superficie ocupada por cada modelo.

9

Tabla 1.b. Variables meteorológicas de análisis.

DENOMINACIÓN DESCRIPCIÓN UNIDADES

Intensidad Intensidad de la radiación solar potencial - Volk mm P24 Precipitación en 24 h, diaria Décimas de mm Tmedia Temperatura media diaria Grados centígrados HRmedia Humedad relativa media diaria Porcentaje, 0-100pct VVmedia Velocidad del viento media del día m/s DVmedia Dirección media del viento Grados Tmax Temperatura máxima diaria Grados centígrados Hrmin Humedad relativa mínima del día Porcentaje, 0-100pct Vvmax Velocidad máxima del viento diaria m/s MV Magnitud del viento m/s DS Desviación estándar del viento Grados RadG Radiación solar efectiva en la estación mj/m2 FWI Fire Weather Index Escala abierta, 0 a +100 KBDI Keetch-Byram Drought Index Escala 0-800

HCFM Humedad del Combustible Fino muerto, Probabilidad de Ignición de DGCN Porcentaje, 0-100pct

Surgieron varios modelos de predicción diaria de incendios por causas humanas,

los cuales predecían de forma binaria (si incendio / no incendio) para cuadrículas de

10x10 km2 y presentaban capacidades predictivas suficientes para ser utilizadas

operativamente en prevención y extinción de incendios.

Finalmente y de entre todos ellos se escogió el modelo cuya formulación se

muestra en la tabla 1.c., y para el cual se predice por encima del 70% de los incendios

ocurridos. Su formulación consta de cuatro mapas que funcionan como constantes, el

modelo de combustible 4 (MOD4), el modelo de combustible 5 (MOD5), el modelo de

combustible 6 (MOD6) y el de elevaciones medias (ELEVINT), y un mapa como variable,

el cual muestra la Temperatura máxima diaria (Tmax).

Tabla 1.c. Formulación y tabla de clasificación del mejor modelo de predicción de incendios por causas humanas.

Zi = 0,1294 * TMAX + 0,0577 * MOD4 + 0,0136 * MOD5 + 0,0162 * MOD6– 0,0032 * ELEVINT– 2,9845

P(Y=1) = Exp (Zi) /(1 + Exp (Zi))

donde P(Y=1) es la probabilidad de ocurrencia de al menos un incendio por celda y día

De la combinación de estos cinco mapas se generaría un mapa con valores de

probabilidad entre 0 y 1, lo cual a probabilidades menores a 0,5 indicaría que no habría

10

incendio en la celda de cuyo valor se comenta y a probabilidades superiores a 0,5 se

presentaría al menos un incendio. El modelo logit elegido presenta la necesidad de

obtener diariamente un mapa de temperaturas máximas (Tmax) previstas para todo el

territorio de estudio, lo cual podría ser una de las principales dificultades en su puesta en

funcionamiento por su dificultad de obtención y porque quedará en función de la

precisión con que se pudiera predecir la variable Tmax la fiabilidad de la predicción de

incendio del día en cuestión.

Por otro lado queda fuera del alcance de este modelo la predicción de ignición

en caso de existencia de intencionalidad a la hora de producir un incendio en verano,

esto es debido a que las temperaturas alcanzadas en verano y el estado del combustible

son, generalmente, suficientemente favorables como para que se inicie un incendio en

caso de intencionalidad.

Éste, según la Dra. Cristina Vega, se consideró como el mejor modelo por la

consideración de los estadísticos (significativos), su robustez y escasez de datos de

entrada, así como la previsible actualización de mapas forestales convertibles a

combustibles.

11

2.- OBJETIVOS

En el presente estudio, se pretende estimar y describir el procedimiento a seguir

en la puesta en marcha de un modelo de riesgo de incendios por causas humanas

(MDRICH) utilizando los sistemas de información geográfica (SIG), así como los

inconvenientes que se pueden presentar en el transcurso de su aplicación, los mapas

resultantes obtenidos y la evaluación del modelo que resulte de la comparación de estos

con las igniciones ocurridas en el periodo de estudio (del 15/07/03 al 15/09/03).

Se generarán las capas necesarias utilizadas en el modelo, llegando a obtener

diariamente y de forma automática el mapa de riesgo de incendio por causas humanas

del día siguiente.

Se crearán los mapas a partir de las temperaturas reales que se hayan producido

diariamente según las estaciones meteorológicas disponibles y útiles, para la

comparación de resultados entre los mapas de predicción generados con éstos datos y

los generados por las temperaturas previstas.

Se deberán obtener los mapas con los incendios ocurridos en el periodo de

prueba para evaluar la eficacia y fiabilidad del modelo.

12

3.- DESARROLLO METODOLÓGICO DEL ESTUDIO

3.1.- Condicionantes e información de base del estudio

A continuación, se comentará algunos aspectos a tener en cuenta sobre el

procedimiento seguido en la introducción de las variables, en la fase de creación del

modelo, y los condicionantes que se pueden presentar en la aplicación del modelo.

El MDRICH requiere de la siguiente información para generar los mapas:

- Distribución espacial de los modelos de combustibles 4, 5 y 6.

- Modelo digital del terreno ( MDT).

- Temperaturas máximas diarias previstas.

Para que la información anteriormente enunciada pueda ser introducida en el

modelo deberá cumplir las siguientes especificaciones:

- Se presentarán tres capas con cada uno de los modelos de combustibles (Mod4,

Mod5 y Mod6).

Éstas tendrán para cada celda de la malla guía, la cual se describe más adelante,

un valor del porcentaje de la superficie que ocupa cada modelo de combustible por

celda y área de estudio, Cataluña, ya que es la superficie de trabajo y para la cual

tenemos datos.

- Otra de las capas constantes será la perteneciente a la elevación media,

expresada en metros, que corresponda a cada celda de la malla guíay área de estudio,

Cataluña.

- La única capa variable del modelo será la temperatura máxima prevista para el

día siguiente, ésta expresada en grados Celsius por celda asignada y área de estudio.

Lo enunciado en los párrafos anteriores son los datos que deberían introducirse

una vez el MDRICH esté totalmente probado y listo para funcionar. Ahora bien, para

13

que la evaluación y la etapa piloto que se pretende realizar en este estudio sea correcta y

no se pase por alto ningún detalle, será de gran importancia conocer la forma en la que

se han introducido las variables a la hora de generar el MDRICH, así como la superficie

que pretende abarcar dicha fase y la que abarca en realidad el modelo.

Uno de los primeros puntos que se concretó fue la resolución espacial de salida

del mapa de predicción de incendios, siendo ésta de 10 km por su frecuente uso en

diversas administraciones españolas como el Área de Defensa contra Incendios

Forestales de la Dirección General de conservación de la Naturaleza (DGCN),

Ministerio de Medio Ambiente o la Secció d’Incendis Forestals de la Direcció General

d’Emergències i Seguretat Civil (DGESC) de la Generalitat de Cataluña. Para obtener

esta resolución se generó una capa ráster con cuadrículas de 10 km de lado, mediante el

comando Generate de ArcInfo, que a su vez serviría de malla guía. Esta malla guía

presenta un valor numérico para cada cuadrícula como identificador de celda, que va de

2 a 390 (fig.3.1.a), y el cual son de gran utilidad para relacionar los valores de las

variables a cada una de las cuadrículas de la malla guía.

Para algunas de las operaciones se requerirá la malla guía como cobertura, con

lo cual se transformará ésta a cobertura con el comando convert raster to feature que se

encuentra en la extensión Spatial analyst de ArcGis.

260000

260000

280000

280000

300000

300000

320000

320000

340000

340000

360000

360000

380000

380000

400000

400000

420000

420000

440000

440000

460000

460000

480000

480000

500000

500000

520000

520000

540000

540000

4500

000

4500

000

4520

000

4520

000

4540

000

4540

000

4560

000

4560

000

4580

000

4580

000

4600

000

4600

000

4620

000

4620

000

4640

000

4640

000

4660

000

4660

000

4680

000

4680

000

4700

000

4700

000

4720

000

4720

000

4740

000

4740

000

4760

000

4760

000

0 25 50 75 10012,5km

®

MALLA GUIA (10x10km)

Fig. 3. 1.a. Malla guía que se usará comomarco de referencia para las variables a usar enel modelo.

14

Por otro lado, la superficie que abarca en realidad el modelo se vio limitada a la

cartografía de los modelos de combustibles que para entonces se disponía (suministrado

por el CREAF, 2001) (fig 3.1.b), es decir, las provincias de Barcelona y Gerona, y parte

de las provincias de Tarragona y Lérida.

Por este motivo y por el interés en conocer la aplicabilidad que tiene el modelo

en el resto de Cataluña, el estudio deberá abarcar dos extensiones de terreno, la totalidad

de Cataluña y la zona utilizada en la creación del modelo. Esto se hará simplemente

eliminando las celdas que no entraron en la creación del modelo y comparando ambas

zonas con sus respectivos mapas de incendios ocurridos.

Finalmente, se debe señalar que en la introducción de las temperaturas máximas

se utilizaron las temperaturas máximas reales de las 84 estaciones que se estimaron

útiles, temperaturas de los años 1996, 1997, 1998, 1999 y 2000, procedentes de la Red

del Servei de Meteorologia de Cataluña (SMC) y de la web de la Xarxa

Agrometeorològica de Cataluña (XAC), pertenecientes al Departament de Medi

Ambient y el Departament d’Agricultura, Ramaderia i Pesca de la Generalitat de

Cataluña.. De estas estaciones se calculó el área de influencia mediante polígonos de

Thiessen y, después, se asignó a cada cuadrícula de la malla guía la estación

260000

260000

280000

280000

300000

300000

320000

320000

340000

340000

360000

360000

380000

380000

400000

400000

420000

420000

440000

440000

460000

460000

480000

480000

500000

500000

520000

5200004480

000

4480

000

4500

000

4500

000

4520

000

4520

000

4540

000

4540

000

4560

000

4560

000

4580

000

4580

000

4600

000

4600

000

4620

000

4620

000

4640

000

4640

000

4660

000

4660

000

4680

000

4680

000

4700

000

4700

000

4720

000

4720

000

4740

000

4740

000

4760

000

4760

000

®0 25 50 75 10012,5

km

MAPA DE LOS MODELOS DECOMBUSTIBLES

Fig. 3.1.b. Mapa y leyenda de los modelos de combustiblesy otras superficies que se disponía en el momento de larealización del MDRICH.

Modelos de CombustiblesNo clasificado

Modelo 1

Modelo 2

Modelo 3

Modelo 4

Modelo 5

Modelo 6

Modelo 7

Modelo 8

Modelo 9

Modelo 10

Matorral

Parques y jardines

Cultivos

Urbano

Urbanizaciones

Roquedos

Marismas o aguas continentales

Prados y herbazales

Suelos desnudos o pedragales

Elementos puntuales

Islas

15

meteorológica más representada en la misma (mediante el comando

ZONALMAJORITY del módulo GRID de ArcInfo), como se muestra en la figura 3.1.c.

Por lo tanto, una vez conocidos los datos que se poseían y las transformaciones

aplicadas a éstos en el momento de realizar el modelo, se listarán a continuación la

información de la que se dispone para la evaluación y estudio del modelo elegido:

- El mapa de los modelos de combustibles para toda Cataluña, suministrado por

el CREAF mediante imágenes en formato ERDAS del 2003 con una resolución espacial

de 25 m.

- MDT (Modelo Digital del Terreno), del cual se obtienen las altitudes de toda

Cataluña en una resolución espacial de 45 metros para el año 1994 del ICC (Institut

Cartogràfic de Cataluña).

- Temperaturas previstas, en grados Kelvin, para las 12:00 h UTC según el

modelo MASS (Mesoscale Atmospheric Simulation System), las cuales vienen dadas

diariamente en formato GRD desde internet junto con un fichero en formato DAT con

las coordenadas correspondientes a dichas temperaturas (fig.3.1.d. y e).

B

C

A

Fig. 3.1.c. Ejemplo de asignación de estaciónmeteorológica a cuadrícula de 10 x 10 km2. En este caso,la estación a asignar sería la A.

16

Debido a la imposibilidad de obtener la predicción de las temperaturas máximas

del día siguiente, se asumirá el error que se generará al utilizar las temperaturas

previstas para las 12 h UTC como las temperaturas máximas del día.

- La base de datos de temperaturas reales utilizadas proceden de la Red del

Servei de Meteorologia de Cataluña (SMC) y de la web de la Xarxa Agrometeorològica

de Cataluña (XAC), pertenecientes al Departament de Medi Ambient y el Departament

d’Agricultura, Ramaderia i Pesca de la Generalitat de Cataluña.

3.2.- Cálculo de los mapas de combustibles

A partir del mapa de combustibles de toda Cataluña (fig. 3.2.a.) se deben obtener

tres capas con los porcentajes que ocupa la superficie de los modelos de combustibles 4,

5 y 6 en las cuadrículas de 10 km correspondientes a la malla guía.

Fig. 3.1.d y e. A la izquierda, pagina web donde secolgaban todos los archivos de temperaturas previstas (GRD)y coordenadas (DAT). Arriba, se muestra la disposición delos registros de temperaturas previstas de cada fichero GRD.

17

Para ello se seleccionaron los modelos de combustibles que el MDRICH

requiere, modelo 4, 5 y 6, y se extrajo una capa con ellos mediante la reclasificación del

mapa de modelos de combustibles (comando Reclassify de ArcGis) (fig.3.2.b.).

Fig. 3.2.a. Mapa y leyenda de los modelos decombustibles y otras superficies clasificadas.

Fig. 3.2.b. Mapa de los modelosde combustibles 4, 5 y 6 obtenidos apartir de la reclasificación del mapade la figura 3.2.a.

Modelos de CombustiblesModelo 1

Modelo 2

Modelo 3

Modelo 4

Modelo 5

Modelo 6

Modelo 7

Modelo 8

Modelo 9

Modelo 10

Matorral

Parques y jardines

Cultivos

Urbano

Urbanizaciones

Roquedos

Marismas o aguas continentales

Prados y herbazales

Suelos desnudos o pedragales

Elementos puntuales

Islas

260000

260000

280000

280000

300000

300000

320000

320000

340000

340000

360000

360000

380000

380000

400000

400000

420000

420000

440000

440000

460000

460000

480000

480000

500000

500000

520000

5200004480

000

4480

000

4500

000

4500

000

4520

000

4520

000

4540

000

4540

000

4560

000

4560

000

4580

000

4580

000

4600

000

4600

000

4620

000

4620

000

4640

000

4640

000

4660

000

4660

000

4680

000

4680

000

4700

000

4700

000

4720

000

4720

000

4740

000

4740

000

4760

000

4760

000

®0 25 50 75 10012,5

km

MAPA DE LOS MODELOS DECOMBUSTIBLES PARA

CATALUÑA

260000

260000

280000

280000

300000

300000

320000

320000

340000

340000

360000

360000

380000

380000

400000

400000

420000

420000

440000

440000

460000

460000

480000

480000

500000

500000

520000

5200004480

000

4480

000

4500

000

4500

000

4520

000

4520

000

4540

000

4540

000

4560

000

4560

000

4580

000

4580

000

4600

000

4600

000

4620

000

4620

000

4640

000

4640

000

4660

000

4660

000

4680

000

4680

000

4700

000

4700

000

4720

000

4720

000

4740

000

4740

000

4760

000

4760

000

®0 25 50 75 10012,5

km

SUPERFICIE DE LOS MODELOS DECOMBUSTIBLES 4 , 5 Y 6

LeyendaLimites Comarcales

Modelo de Combustible4

5

6

18

A continuación, se redimensionaron las celdas de la malla guía hasta una

resolución espacial equivalente al mapa de modelos de combustibles, 25 metros,

conservando éstas los valores asignados a las cuadrículas de 10 km (comando Resample

de ArcInfo). Seguidamente, se combinó el mapa resultante anterior con el mapa de los

modelos 4, 5 y 6 (comando Combine de ArcInfo), así se consiguió asignar el valor de la

cuadrícula de la malla guía a cada una de las celdas de los modelos de combustibles.

Una vez obtenida la tabla del mapa combinado, ésta se exporta a Excel para calcular el

porcentaje que presenta cada combustible para cada cuadrícula de la malla guía (fig.

3.2.c.). Sabiendo el número de celdas de cada combustible (25 m x 25 m)(columna

COUNT) que pertenecen a cada cuadrícula de la malla guía se obtiene la superficie total

de cada modelo para cada cuadrícula de la malla guía (fig. 3.2.d.). y para obtener el

porcentaje solamente queda que dividir dicho resultado entre la superficie de cuadrícula

de la malla guía (100 km2)(fig. 3.2.e).

Con esta última operación se obtuvo una tabla con los porcentajes que presenta

cada modelo para cada celda de 10 km. Identificados mediante el valor de la cuadrícula

de la malla guía, se separó cada modelo en una tabla y se guardó en formato DBF.

Fig 3.2.c. Tabla de los modelos de combustiblesseleccionados exportada a Excel desde ArcInfo.

Fig. 3.2.d. y 3.2.e. Arriba, el cálculo de lasuperficie, y abajo, calculo del porcentaje segúncombustible y celda asignada.

19

El valor de cuadrícula es necesario para unir las tablas de los porcentajes de los

combustibles calculados con la cobertura de la malla guía (comando Join de ArcGis).

Una vez unidas las tablas se rasterizan los campos que se requieren, Mod4, Mod5 y

Mod6 con el comando convert feature to raster de la extensión Spatial Analyst de

ArcGis, generando así los mapas de 10 km de resolución espacial con los porcentajes de

los modelos a introducir en el modelo.

3.3.- Cálculo del mapa de elevaciones medias

A partir del MDT (fig.3.3.a.), se calcula la media de las altitudes que

corresponden a cada cuadrícula de 10 km de la malla guía.

Cierto es que este cálculo se podría realizar de forma más rápida y sencilla con

el comando ZonalMean de ArcInfo, pero se ha visto que el algoritmo de dicho comando

tiene algún problema y no realiza las funciones que se le atribuyen. Por este motivo se

utilizaría un procedimiento similar al utilizado en el cálculo de las capas de los modelos

de combustibles.

Fig. 3.3.a. Modelo Digital del Terreno (45m) utilizado parala creación del mapa de elevaciones medias.

20

Al percibir el error de este comando se volvería a calcular la capa de elevaciones

medias, según los pasos que se describirán más adelante, y se compararía ésta con la

que se utilizó en la creación del MDRICH (fig. 3.3.b.) por si existiera alguna diferencia

significativa causada por dicho comando.

Así pues, en un primer paso se realizaría un Clip, o recorte, del MDT con la

superficie de Cataluña (fig. 3.3.c.).

Fig. 3.3.b. Media de las elevacionesde Cataluña que se utilizaron en lacreación del MRICH.

En la presente figura, se

observan cuadrículas en las

que no existen datos, ello se

debe a que el algoritmo no

tenía en cuenta los datos

entrados si no cubrían como

mínimo la mitad de la

superficie de la cuadrícula a la

cual se le aplicaba el

ZonalMean.

Fig. 3.3.c. MDT recortado a lasuperficie de Cataluña.

21

Seguidamente, a la malla guía, se le aplicó un Resample a 45 m para hacerla

coincidir con el MDT y realizar un Combine entre ambos, obteniendo así la relación

espacial entre los campos de ambas capas, de forma similar a lo que se hizo en los

modelos de combustibles. Una vez realizado éste se exportó la tabla a Access, en lugar

de Excel, debido a la gran cantidad de registros que se generaron en el combine,

exactamente 259.459 registros (fig. 3.3.d.). Entonces desde Access y después de realizar

algunas consultas con la tabla exportada para realizar los cálculos pertinentes, se

obtuvo la media en función del identificador de la celda de la malla guía (fig. 3.3.e.).

Y, al igual que en los modelos de combustibles, las columnas que interesan,

Malla45m y Mean, se guardaron en formato DBF para su posterior unión (comando

join) con la cobertura malla guía y rasterización de los valores medios de las

elevaciones. Obtenido el raster de elevaciones medias en cuadrículas de 10 km x 10 km

ya disponemos de la última capa constante del modelo.

Fig. 3.3.d. Tabla con la relación altitud-id_malla guía importada a Access desdeArcInfo.

Fig. 3.3.e. Tabla con la con la media de las elevacionespara cada identificador de la malla guía.

22

3.4.- Cálculo del mapa Tmáx (Temperatura máxima)

Esta entrada de datos, comportará la generación de dos capas por día para el

periodo de tiempo estudiado (15/07/03 al 15/09/03). Una de ellas será la generada a

partir de los datos de temperaturas previstas y la otra a partir de las temperaturas reales

para el mismo día y hora, todo ello para poder contrastar resultados y ver la pérdida de

fiabilidad del modelo a la hora de utilizar las temperaturas previstas.

3.4.1.- Cálculo de la Tmax a partir de la Temperatura prevista

En la creación de la capa variable Tmax del modelo, se debía obtener la

temperatura máxima diaria, un día antes de que ésta se produjera y con una cobertura y

número de datos suficiente como para abarcar el área de estudio con la mayor

aproximación posible.

La información de la que se disponía que más se ajustaba a dicha expectativa

provenía del modelo MASS (Mesoscale Atmospheric Simulation System), que

facilitaba, a primera hora de la madrugada, las temperaturas previstas para las 12:00 h

UTC según una amplia cobertura de puntos distanciados entre ellos en 15 km (fig.

3.4.1.c.). Tomando estos datos, se asume la existencia de un error en cuanto a que no

tiene porque ser a las 12 h cuando se produzca la temperatura máxima diaria,

reflejándose dicho error en el resultado final.

Para la obtención de la capa de temperaturas previstas en celdas de 10 x 10 km2,

antes se deberán seguir una serie de pasos, que van desde la recepción diaria de los

datos en formato GRD de las temperaturas, hasta la capa anteriormente nombrada.

Las temperaturas previstas se reciben en internet cada día en ficheros de texto

(GRD), los cuales presentan los registros de temperaturas, en grados Kelvin, dispuestos

en 275 filas de 11 registros separados entre sí por un espacio (fig. 3.4.1.a), 3025

registros en total. A este archivo le acompaña otro en formato DAT (fig. 3.4.1.b) en el

cual se facilitan las coordenadas correspondientes a cada temperatura dependiendo de la

fila y la columna en la que se encuentran.

23

Para la creación de la cobertura de puntos se hubo de pasar los registros de

temperatura a Excel a partir de una macro que hiciese lo siguiente:

Importar el contenido de la pagina web transponiendo en una sola columna las

275 filas de 11 registros que tenía cada una de ellas, sin variar su orden. Se les restaba

273,16 a cada registro para obtener los datos en grados Celsius y se les añadía un

identificador en la columna contigua, guardando finalmente el archivo en formato DBF

y asignándole la fecha del día como nombre (ej. 030807, aammdd).

Igualmente se les aplica un identificador a los registros de coordenadas ya

dispuestas en columna y se guarda el archivo en formato DBF. Éste se convierte en una

cobertura y se le asigna unas coordenadas UTM desde ArcGis.

Fig. 3.4.1.a. Captura de pantalla de lapágina en la cual se encuentra el listado delas temperaturas en grados Kelvin.

Fig. 3.4.1.b. Captura de pantalla de lapágina en la cual se encuentra el listado decoordenadas de los puntos donde se situaránlos valores de las temperaturas.

24

Obtenida la cobertura de puntos en coordenadas UTM, diariamente se le

adjudicaría a cada punto el valor de temperatura correspondiente (utilizando el comando

Join según coincidan los indentificadores de cada registro de las tablas relacionadas).

Así pues, se obtuvieron mapas de las figuras 3.4.1.c. y 3.4.1.d.

Fig. 3.4.1.c. Temperaturas localizadassegún la cobertura de puntos creada apartir de la totalidad de registros delfichero de coordenadas.

Fig. 3.4.1.d. Cobertura de puntos conlos valores de temperaturas paraCataluña.

25

Para terminar obteniendo la capa de temperaturas a implementar en el modelo,

se realizará previamente una interpolación a la cobertura de temperaturas previstas

obtenida anteriormente, con la finalidad de conseguir un mapa continuo de

temperaturas, del cual, mediante la superposición de la malla, se extraería la

temperatura mayor que contenga cada celda (comando ZonalMax de ArcInfo).

3.4.2.- Cálculo de la Tmax a partir de la Temperatura real

En el ejercicio de generar el mapa de temperaturas máximas a partir de las

temperaturas reales ocurridas a la misma hora que en la predicción de éstas por el

modelo MASS, las 12 h UTC, se ha seguido la misma metodología que se utilizó para la

generación de la capa de temperaturas reales en la creación del modelo.

Primero se bajó de la web de la Xarxa Agrometeorològica de Cataluña (XAC)

las temperaturas ocurridas a la hora comentada mediante una macro, para agilizar el

proceso. Luego se descartaron las estaciones cuyas coordenadas las localizase fuera de

la superficie catalana y a aquellas que presentasen más del 20% de los días sin registros.

Los días que presentaban menos de un 60% de registros válidos también se eliminaron.

Una vez obtenido todas las estaciones y días útiles, se generó una macro que

guardase por días y en formato DBF, las estaciones con sus coordenadas que tuvieran

registro de temperatura para ese día. Generando un AML, desde ArcInfo se convierten

los archivos guardados en cobertura de puntos a partir de las coordenadas de las

estaciones (fig. 3.4.2.a.).

26

Los puntos de las coberturas mostradas contienen los valores de temperaturas

reales que se utilizarán para generar los polígonos de Thiessen. Éstos se generan, a

partir del comando create Thiessen polygons de ArcGis, ajustando su extensión al

perímetro de la malla guía (fig. 3.4.2.b.).

Fig. 3.4.2.a. Mapa con las estacionesmeteorológicas y las temperaturasreales que registran para el día05/08/03.

Fig. 3.4.2.b. Mapa con lastemperaturas reales de las estacionespara el 05/08/03 contenidas enpolígonos de Thiessen.

27

Una vez generados los mapas de todos los días disponibles, solamente falta por

aplicar, a cada uno de ellos, el comando ZonalMajority que se aplicó para generar la

capa Tmax introducida en la creación del modelo.

3.5.- Entrada de variables al modelo

Para la implementación de las variables al modelo se distinguirá según si la

variable Tmáx proviene de la temperatura prevista o de la temperatura real.

Los mapas de probabilidad de incendio generados a partir de la temperatura

prevista son los que se deben generar diariamente y de forma automática para su uso en

prevención. Por ello, la automatización no sólo abarca la entrada de las variables al

modelo, como será el caso de las temperaturas reales, sino que también en la captura y

creación de la capa Tmax.

3.5.1.- Mapa de probabilidad de incendios con temperatura prevista

El hecho de que el procedimiento para el cálculo del mapa resultante generado a

partir de las temperaturas previstas deba ser diario para su uso en prevención y dado que

los pasos a seguir son repetitivos es preciso su automatización. La automatización de la

aplicación del modelo solamente abarcaría la parte del cálculo de la temperatura

prevista y su entrada en la ecuación del modelo, ya que los mapas de las elevaciones

medias (Elev) y de los modelos de combustibles 4, 5 y 6 (Mod_4, Mod_5 y Mod_6)

son constantes y ya están calculados.

Para ello y retomando brevemente los pasos seguidos se describirá a

continuación la forma en la que se generan los mapas automáticamente:

El primer paso es extraer los datos de la predicción de temperaturas diarias desde

la pagina web. Esta parte se automatizaría desde la macro que se creó en Excel con el

objetivo de obtener un archivo en DBF con los registros de temperatura en grados

Celsius (ºC) en una columna, y en la otra el identificador de los puntos que

28

corresponden a las coordenadas para cada una las temperaturas. Esta macro también

tendría la función de poner en marcha ArcInfo y hacer correr el archivo AML, en el cual

se establecen todos los pasos y comandos utilizados hasta generar el mapa final del

riesgo de ignición. En este archivo AML, se genera el join entre el archivo DBF de

temperaturas y la cobertura de puntos con las coordenadas correspondientes a cada una

de las temperaturas, al resultado de este join se le aplica la interpolación con spline y el

ZonalMax respecto a la malla guía, resultando la capa de temperaturas previstas a

introducir en la ecuación del modelo. Seguidamente se procede en este mismo archivo a

la introducción de las constantes (Mod4, Mod5, Mod6 y Elev) y la variable (Tmax) en

la ecuación del modelo. Para generar un mapa de probabilidad de incendios se crean

mapas parciales que luego se eliminan, como son la multiplicación de las constantes

numéricas del modelo sus respectivas capas. Una vez creado el mapa resultante, éste se

guarda en una carpeta donde se captura para su incorporación en la página de Intranet.

La puesta en marcha de la macro de Excel se programó desde Tareas

programadas de Windows, generando el mapa a las 7.30 de la mañana.

El mismo procedimiento será el utilizado para generar las salidas de los mapas

de predicción de incendios que abarcan solamente la zona para la que se generó el

modelo.

3.5.2.- Mapa de probabilidad de incendios con temperatura real

Para generar los mapas de predicción de incendio con la temperatura real se

procederá de la misma forma la utilizada con la temperatura prevista, es decir, se

generarán mapas parciales a partir de las capas constantes y variables desde ArcInfo

hasta obtener los mapas de probabilidad de incendios, esto se puede hacer con un AML

que genere éstos con cada una de las capas Tmax, en este caso de temperaturas reales.

Igualmente, se procederá de la misma forma para la zona del modelo, ya sea con

temperatura real como con temperatura prevista.

29

3.6.- Creación de los mapas de incendios ocurridos

Transcurrido el periodo de aplicación del modelo y generados todos los mapas

de predicción del riesgo de ignición por causas humanas, se procederá a la evaluación

del modelo mediante el contraste entre los resultados y el registro de las igniciones

ocurridas en Cataluña en el periodo abarcado por el estudio. Para ello se deben generar

los mapas de los días para los cuales se produjeron igniciones con su localización.

Partiendo de los datos suministrados por el CREAF en formato XLS (archivo de

Excel), se guardaron éstos en formato DBF y se creó una cobertura de puntos con el

comando create feature class from XY table de ArcGis, utilizando los campos de las

coordenadas que localizan los incendios, y dotándole de proyección UTM.

Con el Shapefile resultante se seleccionan aquellos puntos que están dentro de la

superficie catalana mediante el comando Select by location de ArcGis y se eliminan

aquellos que quedan fuera, siendo un total de seis (2,1% del total de incendios), que son

probablemente incendios con las coordenadas mal introducidas (fig 3.6a.).

Fig. 3.6.a. Mapa con los incendiosocurridos en el periodo comprendidoentre 15/07/03 y el 15/09/03. Arriba,en verde, detalle de incendios concoordenadas fuera de la superficieCatalana.

30

Visto esto se debe asumir que pueden existir algunas ubicaciones de fuegos

erróneas dentro de la superficie catalana, las cuales no se pueden discriminar. La única

forma de evitar ubicaciones erróneas es a partir de una buena toma de coordenadas, todo

lo que sea reubicación serían conjeturas.

Tomando los puntos que quedan como buenos, se pasa a hacer una unión de los

campos según la situación en la que se encuentran (join data from another layer based

on spatial location) de la malla guía sobre éstos, así se consigue que todos los puntos

tengan el identificador de la celda que le corresponde por su situación respecto a la

malla guía. La tabla resultante se exporta y a partir de una macro se guardan por días el

identificador de la celda su correspondiente Si-Incendio (con valor 1) o No-Incendio

(con valor 0) y se guarda en formato DBF.

Solamente queda que generar los grids de Si-Incendio (1) o No-Incendio (0) de

cada día, lo cual se realiza fácilmente con un AML que una la cobertura malla guía con

los ficheros anteriormente generados y los convierta a raster mediante el comando

polygrid, todo esto desde ArcInfo.

3.7.- Evaluación del Modelo de Riesgo de Ignición por Causas Humanas

La evaluación del modelo consiste básicamente en comparar aquellos lugares

donde se predijo que ocurriría una ignición, celdas con valores superiores a 0,5, con

aquellos donde realmente se han producido, contando el número de casos se ha predicho

bien, es decir, el número de casos que se ha predicho una ignición y ha habido al menos

una o el número de casos que no se ha predicho ignición alguna y no la ha habido.

También se contará el número de veces que han habido falsas alarmas o igniciones

desestimadas, como lo son las celdas en las que se predijo ignición y no la hubo y las

celdas que se desestimó que hubiese incendio y si lo hubo.

Como se han generado cuatro tipos de mapas para cada día, dependiendo del

área abarcada y el tipo de dato de temperatura escogida, se deberán cruzar todos ellos

con sus respectivos mapas de incendios ocurridos para los días correspondientes a la

31

predicción. Para agilizar la tarea, se realizaron dos macros. La primera es un AML que

combinará (comando combine) las tablas de los rasters de los incendios ocurridos con

las tablas de los rasters de igniciones previstas según celdas y días homólogos,

exportando las tablas resultantes en formato DBF (fig.3.7.a). Dichas tablas exportadas

contienen cuatro campos, dos son los valores correspondientes a los campos de los

mapas combinados, uno el identificador de cada combinación y el último cuenta el

número de repeticiones que se da una combinación (count).

La segunda macro realizará desde Excel la tarea de abrir una por una todas las

tablas exportadas y reemplazará los valores del campo perteneciente al MDRICH

(tercera columna de la fig. 3.7.a) que tengan valor 1 y 2 por 0, que significa no incendio,

y los valores 3 y 4 por 1, que representa si incendio. Luego irá sumando todos los count

de todo el periodo estudiado según muestra la siguiente tabla:

Área abarcada Cataluña Modelo Cataluña Modelo Campo MDRICH

Campo Incendio Temperatura Real Real Prevista Prevista

1 1 Aciertos ΣCount(1) ΣCount(1) ΣCount(1) ΣCount(1)

1 0 Falsas alarmas ΣCount(1) ΣCount(1) ΣCount(1) ΣCount(1)

0 1 Desestimados ΣCount(1) ΣCount(1) ΣCount(1) ΣCount(1)

0 0 Aciertos ΣCount(1) ΣCount(1) ΣCount(1) ΣCount(1)

(1) corresponde al sumatorio de todas las tablas de los días comprendidos entre el 15/07/03 al 15/09/03.

Fig. 3.7.a. Tabla exportada y abiertaen Excel la cual muestra los camposque presenta y las combinacionesgeneradas entre el raster de Cataluña-temperatura prevista y el raster de losincendios ocurridos para el día05/08/03.

Tabla 3.7a. En esta tabla se muestra esquemáticamente los resultados que generaría la macro deExcel.

32

4.- RESULTADOS DEL ESTUDIO

4.1.- Capas de los modelos de combustibles

A continuación se muestran los resultados del proceso explicado en el punto 3.2.

para obtener las capas de los modelos de combustibles.

Fig. 4.1.a. Mapa con el porcentajecorrespondiente del modelo decombustible 4 para cada cuadrículade 10 km.

Fig. 4.1.b. Mapa con el porcentajecorrespondiente del modelo decombustibles 5 para cada cuadrículade 10 km

33

4.2.- Capa de las elevaciones medias

En la figura 5.2 se muestra el resultado de las operaciones realizadas para

obtener la capa de elevaciones medias en cuadriculas de 10 km x 10 km. En ella se

observa una cuadrícula sin dato, en color azul marino, ello se debe al pequeño desfase

existente entre la cobertura de la superficie de Cataluña y el MDT, lo cual hace que las

pequeñas islas que se encuentran en dicha celda no tengan dato de altitud y, por lo tanto,

no se halla podido realizar el cálculo de la media en dicha celda.

Fig. 4.1.c. Mapa con el porcentajecorrespondiente del modelo decombustibles 6 para cada cuadrículade 10 km.

Fig. 4.2.f. Mapa de elevaciones mediaspara las cuadrículas de 10x10 km de lamalla guía.

34

4.3.- Capas de Tmax

4.3.1.- Temperatura prevista

La capa de temperaturas previstas fig. 4.3.1.a. que se utiliza en el modelo es la

generada a partir de la interpolación con spline, interpolación que mejor se ajusta a la

tendencia de los datos introducidos.

4.3.2.- Temperatura real

Para el periodo de estudio comprendido entre el 15/07/03 al 15/09/03 se

obtuvieron un total de 58 mapas de temperaturas a partir de las temperaturas reales ya

que se descartaron los días 24/07, 02/08, 07/08, 18/08 y 09/09 por presentar estos

menos de un 60% de estaciones sin registros. También, se eliminaron 9 estaciones por

presentar más del 20% de los días sin registros de temperatura, quedando un total de 88

estaciones meteorológicas útiles.

Fig. 4.3.1.a Mapa de Temperaturasprevistas con tamaño de celda de 10km.

35

Con todos los datos que quedaron se generaron 58 mapas de temperaturas reales

de los cuales se muestra el del día 05/08/03 en la figura 4.3.2.a. con la resolución

espacial final (10 km x 10 km) a introducir en el modelo.

4.4.- Probabilidad de incendio

Antes de mostrar los resultados generados por el modelo se describen a

continuación las cuatro clases de mapas de predicción del riesgo de incendio que se

deben obtener, según de la tmax que se introduzca y la zona para la cual se trabaja, para

la posterior evaluación del modelo:

· Un mapa del riesgo de ignición por día para la zona de la creación del modelo y

las temperaturas reales.

· Un mapa del riesgo de ignición por día para toda Cataluña y las temperaturas

reales.

Fig. 4.3.2.a. Mapa con lastemperaturas reales del 05/08/03 segúnceldas de 10x10 km2.

36

· Un mapa del riesgo de ignición por día para la zona de la creación del modelo y

las temperaturas previstas.

· Un mapa del riesgo de ignición por día para toda Cataluña y las temperaturas

previstas.

Por lo tanto, resultarán cuatro mapas para cada día, exceptuando aquellos días

para los cuales no se dispone de las temperaturas reales.

Haciendo uso de ArcInfo, se introducen en la ecuación del modelo las cuatro

capas constantes, tres de los modelos de combustibles (Mod_4, Mod_5 y Mod_6) y una

de las elevaciones medias (elev), y la capa variable de temperatura (Tmax).

Consiguiendo como resultado un mapa con la probabilidad de incendio en un

rango que va de 0 a 1 para cada cuadrícula de 10x10 km2, como se muestra a

continuación para los diferentes parámetros introducidos:

Fig. 4.4.1.a. Mapa de riesgo de ignición porcausas humanas para el día 05/08/03, evaluado entanto por uno, para la zona del modelo ycalculado con la temperatura real.

Fig. 4.4.1.b. Mapa de riesgo de ignición porcausas humanas para el día 05/08/03, evaluado entanto por uno, para toda Cataluña y calculado conla temperatura real.

37

Una vez obtenido el mapa, para dar mayor calidad visual y poder discernir las

probabilidades mayores a 0,5, lo cual indica incendio, se realiza una reclasificación en

cuatro clases de probabilidad (comando Reclassify en ArcInfo) (figura 4.4.1.e, f, g y h).

Fig. 4.4.1.c. Mapa de riesgo de ignición porcausas humanas para el día 05/08/03, evaluado entanto por uno, para la zona del modelo ycalculado con la temperatura prevista.

Fig. 4.4.1.d. Mapa de riesgo de ignición porcausas humanas para el día 05/08/03, evaluado entanto por uno, para toda Cataluña y calculado conla temperatura prevista.

Fig. 4.4.1.e. Mapa de riesgo de ignición porcausas humanas para el día 05/08/03, evaluado encuatro intervalos, para la zona del modelo ycalculado con la temperatura real.

Fig. 4.4.1.f. Mapa de riesgo de ignición porcausas humanas para el día 05/08/03, evaluado encuatro intervalos, para toda Cataluña y calculadocon la temperatura real.

38

En la figura 4.4.1.i. se muestra la captura de pantalla de la intranet de la DGESC

con el mapa de predicción de riesgo de incendio por causas humanas con dos intervalos

(Si incendio / No incendio).

Fig. 4.4.1.g. Mapa de riesgo de ignición porcausas humanas para el día 05/08/03, evaluado encuatro intervalos, para la zona del modelo ycalculado con la temperatura prevista.

Fig. 4.4.1.h. Mapa de riesgo de ignición porcausas humanas para el día 05/08/03, evaluado encuatro intervalos, para toda Cataluña y calculadocon la temperatura prevista.

Fig. 4.4.1.i. Captura de pantalla de la intranet de la DGESC.

39

4.5.- Mapa de incendios ocurridos

A continuación se muestra uno de los mapas con los incendios producidos en

cuadrículas de 10 km de lado que servirán para la evaluación del modelo al contrastar

éstos con los mapas de predicción.

4.6.- Resultados del modelo

A continuación se presentan los resultados obtenidos de cruzar las predicciones

realizadas de las temperaturas reales de las estaciones disponibles, procedentes del

Servei de Meteorologia de Cataluña (SMC) i la Xarxa Agrometeorològica de Cataluña

(XAC), y las temperaturas previstas según el modelo MASS (Mesoscale Atmospheric

Simulation System), con los incendios ocurridos para el periodo comprendido entre el

15/07/03 i el 15/09/03, para dos zonas diferentes, para toda Cataluña y para la zona que

intervino a la hora de la realización del modelo.

Fig. 4.5.a. Mapa de incendiosocurridos en celdas 10x10 km2, elcual se utilizará para la evaluacióndel modelo.

40

Así pues, se dispone a continuación de cuatro apartados de donde se podrán

estudiar varios aspectos.

4.6.1.-Resultados Temperaturas Reales – Zona del Modelo

Los resultados que se muestran a continuación (tabla 4.6.1.a) relacionan las

igniciones que se han producido en el periodo anunciado anteriormente con los mapas

realizados a partir de las temperaturas reales producidas para la zona de creación del

modelo.

En la tabla 4.6.1.b se muestra que el 76% de les igniciones producidas han

estado previstas por el modelo frente a un 24% de igniciones no previstas. Por otro lado,

en cuanto se refiere a la precisión y a las falsas alarmas (tabla 4.6.1.c) se puede ver que

Tabla 4.6.1.a. Resultados de la comparación de les igniciones ocurridas frente a laspredicciones hechas por el modelo con las temperaturas reales, todo ello para la zona decreación del modelo.

IGNICIÓN

PREDICCIÓN SI NO SUMA

SI 152 5684 5836

NO 48 5716 5764

SUMA 200 11400 11600

Área abarcada Modelo Cataluña Modelo Cataluña Campo MRICH

Campo Incendio Temperatura Real Real Prevista Prevista

1 1 Aciertos (1) 152 173 148 168

1 0 Falsas alarmas (2) 5684 8060 5130 7315

0 1 Desestimados (3) 48 63 62 83

0 0 Aciertos (4) 5716 9354 6956 11496

(1) número de incendios predichos. (2) número de celdas con previsión de incendio que no han llegado a ser incendio. (3) número incendios no predichos. (4) número de previsiones de no incendio que no han sido incendios.

Tabla 4.6.a. En esta tabla se muestra esquemáticamente los resultados que generaría la macro deExcel.

41

para el total de celdas que han predicho que habría incendio sólo el 2,6% de les celdas

lo han hecho correctamente, mientras el 97,64% han sido falsas alarmas.

4.6.2.- Resultados Temperaturas Reales – Cataluña

Se puede observar en la siguiente tabla (tabla 4.6.2.a) el número de

correspondencias entre los mapas generados por el modelo para las temperaturas reales

frente a las igniciones producidas en Cataluña:

En la tabla 4.6.2.b se muestra que el 73,31 % de las igniciones producidas han

estado registradas, previstas, por el modelo y un 24, 9% no lo han hecho. Por otro lado,

se puede ver en la tabla 4.6.2.b que para el total de celdas que han predicho que habría

Tabla 4.6.1.c. Porcentaje de les celdas previstas que han sido igniciones y que han comportado falsas alarmas.

Tabla 4.6.1.b. Porcentaje de igniciones y no ocurridas que sidoestado previstas por el modelo.

IGNICIÓN

PREDICCIÓN SI NO

SI 76,00 % 49,86 %

NO 24,00 % 50,14 %

IGNICIÓN

PREDICCIÓN SI NO

SI 2,60 % 97,40 %

NO 0,83 % 99,17 %

IGNICIÓN

PREDICCIÓN SI NO SUMA

SI 173 8060 8233

NO 63 9354 9417

SUMA 236 17414 17650

Tabla 4.6.2.a. Resultados de la comparación de les igniciones ocurridas frente a laspredicciones hechas por el modelo con las temperaturas reales y para toda Cataluña.

42

incendio sólo el 2,1% de les celdas lo han hecho correctamente, mientras el 98,1% han

sido falsas alarmas.

4.6.3.- Resultados Temperaturas Previstas – Zona del Modelo

Seguidamente, se ve la tabla 4.6.3.a. donde se relacionan las igniciones que se

han producido en el período de pruebas del modelo con los mapas realizados a partir de

las temperaturas que se prevén que se producirían para la zona del modelo:

En este caso se muestra como el 70,48% (tabla 4.6.3.b.) de las igniciones

ocurridas se han predicho con antelación y como todas las celdas en las que se les había

asignado que se produciría un incendio sólo el 2,8% se han producido (tabla 4.6.3.c.).

Tabla 4.6..2.b. Porcentaje de igniciones ocurridas que han sidoprevistas por el modelo.

Tabla 4.6.2.c. Porcentaje de les celdas que han acertadoigniciones y que han comportado falsas alarmas.

IGNICIÓN

PREDICCIÓN SI NO

SI 73,31 % 46,28 %

NO 26,69 % 53,72 %

IGNICIÓN

PREDICCIÓN SI NO

SI 2,10 % 97,90 %

NO 0,67 % 99,33 %

IGNICIÓN

PREDICCIÓN SI NO SUMA

SI 148 5130 5278

NO 62 6956 7018

SUMA 210 12086 12296

Tabla 4.6..3.a. Resultados de la comparación de les igniciones ocurridas frente a laspredicciones hechas por el modelo con las temperaturas previstas y para la zona delmodelo.

43

4.6.4.- Resultados Temperaturas Previstas – Cataluña

En la tabla 4.6.4.a se obtiene el resultado de comparar las igniciones que se han

producido con les temperaturas previstas para el mismo día para la superficie catalana.

Finalmente, decir que para los resultados obtenidos con la utilización de las

temperaturas previstas para la zona de Cataluña el modelo predice un 66,93% (tabla

4.6.4.b) de las igniciones producidas y que éste ha generado un 97,75% de falsas

alarmas (tabla 4.6.4.c), o lo que es lo mismo, un 2,25% de las celdas con predicción de

ignición han sido ciertas.

Tabla 4.6.3.b. Porcentaje de igniciones ocurridas que han sidoprevistas por el modelo.

Tabla 4.6.3.c. Porcentaje de igniciones ocurridas que han sidoprevistas por el modelo.

IGNICIÓN

PREDICCIÓN SI NO

SI 70,48 % 42,45 %

NO 29,52 % 57,55 %

IGNICIÓN

PREDICCIÓN SI NO

SI 2,80 % 97,20 %

NO 0,88 % 99,12 %

IGNICIÓN

PREDICCIÓN SI NO SUMA

SI 168 7315 7483

NO 83 11496 11579

SUMA 251 18811 19062

Tabla 4.6.4.a. Resultados de la comparación de las igniciones ocurridas frente a laspredicciones hechas por el modelo con las temperaturas previstas y para toda Cataluña.

44

Tabla 4.6.4.c. Porcentaje de las celdas que han acertadoigniciones y que han comportado falsas alarmas.

Tabla 4.6.4.b. Porcentaje de las celdas que han acertadoigniciones y que han comportado falsas alarmas.

IGNICIÓN

PREDICCIÓN SI NO

SI 66,93 % 38,89 %

NO 33,07 % 61,11 %

IGNICIÓN

PREDICCIÓN SI NO

SI 2,25 % 97,75 %

NO 0,72 % 99,28 %

45

5.- DISCUSIÓN DE LOS RESULTADOS

5.1.- Capas de los modelos de combustibles

Las capas de los modelos de combustibles presentadas en el apartado 4.1 serán

las que se utilicen como constantes del modelo ya que fue así como se calcularon e

introdujeron en la creación del modelo, pero hay que decir que con esta forma de

proceder se genera un error de bordes que subestima el valor de los porcentajes de los

combustibles en las celdas perimetrales. Esto se produce porque el área de la celda

perimetral de la malla guía es mayor que el área de la superficie catalana que le

corresponde, y al dividirse la superficie total del combustible en dicha cuadrícula por el

área total de ésta , da como resultado un valor menor que si se dividiese por el área de la

superficie catalana que contiene dicha cuadrícula, que seria el correcto procedimiento a

seguir en este tipo de celdas.

Así, se generaron las siguientes figuras (5.1.a., 5.1.b. y 5.1.c.) en las cuales se

presenta la diferencia del porcentaje entre las capas de los modelos de combustibles 4, 5

y 6 presentadas en el apartado 4.1 y sus respectivas capas con el efecto borde corregido.

Fig. 5.1.1. Error de bordes representado por ladiferencia del porcentaje del las capas del modelo 4.

Fig. 5.1.b. Error de bordes representado por ladiferencia del porcentaje del las capas del modelo 5.

46

5.2.- Capas de elevaciones medias

Una vez obtenida la capa con la media real de las altitudes, mediante una simple

resta entre ésta y la capa de elevaciones medias utilizadas en la creación del modelo

(Modulo Grid de ArcInfo) (fig.5.2.a.), se podrá ver si existió algún problema en el

cálculo de dicha capa, y en su caso, de que magnitud, por el mal funcionamiento del

algoritmo del comando ZonalMean.

Fig. 5.1.c. Error de bordes representado por ladiferencia del porcentaje del las capas del modelo 6.

Fig. 5.2.a. Mapa de las diferenciasobtenidas entre la capa de elevacionesmedias reales y la capa utilizada en lacreación del MDRICH.

47

Una vez vista esta última figura y constatar la amplia diferencia en determinadas

celdas del valor de elevaciones medias y la falta de datos en otras, se planteó un

problema en cuanto a cuál de las dos capas de elevaciones medias utilizar para la

generación de los mapas de riesgo de ignición por causas humanas. Este problema se

analizó desde el siguiente punto de vista:

El modelo de riesgo de ignición por causas humanas se generó a partir de la capa

de elevaciones medias errónea, lo cual podría venir a decir que dicho modelo no tiene la

fiabilidad que se podría esperar de él. Ahora bien, si se introduce en el modelo la capa

bien calculada de elevaciones medias, se estaría cambiando una constante por otra e

introduciendo una constante la cual el modelo no reconoce, provocando quna falta de

coherencia en la relación entre las capas incluidas en el modelo.

Por lo tanto en la aplicación del modelo se introducirá la capa errónea, ya que en

parte es por ésta que el modelo se expresa con esta ecuación y no con otra. No obstante

es importante saber de este error para futuros ajustes y estudios de modelos que puedan

surgir a partir de éste, y también para tener en cuenta que los resultados que se

obtendrán del modelo carecerán de la predicción del riesgo de ignición en algunas de las

cuadrículas por falta de datos (cuadrículas de color azul marino). Por todo ello la capa

con la que se operó fue la errónea.

5.3.- Capas de Tmax

5.3.1.- Temperatura prevista

Para obtener la capa de las temperaturas previstas se probaron tres tipos de

interpolación: Spline, TINs y IDW (peso inversamente proporcional a la distancia), las

cuales se aplicaron a una de las coberturas de puntos de temperaturas previstas según se

describe a continuación.

48

INTERPOLACIÓN CON SPLINE:

La interpolación con Spline une los valores de temperaturas utilizando el numero

de puntos indicado (Number of points) e interpola haciendo servir curvas que pasen por

los intervalos fijados (Weight), creando así una superficie continua en el espacio de los

valores de temperaturas previstas (fig.5.3.1.a.).

Los parámetros introducidos para la interpolación con Spline son:

Interpolación con IDW:

El valor que tomará la temperatura en un punto del espacio será un promedio

ponderado por la distancia a cada uno de los puntos dados que se encuentren dentro de

Z value fields, campos con valores Z. TMAX

Spline Type, Tipo de Spline. Regularized

Weight, Peso del intervalo. 0,1

Number of points, Número de puntos que se tienen en cuenta para interpolar. 9

Output cell size, Tamaño de celda de salida. 1000

Graf. 5.3.1.a. Gráfica que representa latendencia de la temperatura creada por elSpline según la línea que se muestra en lafigura 5.3.1.a.

Fig. 5.3.1.a. Mapa resultado de aplicar lainterpolación con Spline.

Tabla 5.3.1.a. Tabla con los parámetros introducidos para la interpolación con Spline.

49

área establecida para la información, creando una superficie continua que pasa por los

puntos interpolados y que disminuye su influencia o valor a medida que nos alejamos de

su ubicación (fig.5.3.1.b.). Según su funcionamiento esta interpolación no expresa el

comportamiento de la temperatura como explicará mas adelante.

Los parámetros introducidos para la interpolación con IDW son:

Z value fields, Campos con valores Z. TMAX

Power, Fuerza. 2

Search radius type, Tipo de radio. variable

Number of points, Número de puntos que se tienen en cuenta para interpolar.

9

Maximum distance, Maxima distancia. -

Output cell size, Tamaño de celda de Salida. 1000

INTERPOLACIÓN A PARTIR DE TINS:

La creación de TINs sobre una cobertura de puntos da como resultado una serie

de superficies planas triangulares de valores continuos, los cuales se pueden transformar

a raster obteniendo así interpolar linealmente cada tres puntos (fig.5.3.1.c.).

Graf. 5.3.1.b. Gráfica que representa latendencia de la temperatura creada por lainterpolación del IDW según la líneaobservada en la figura 5.3.1.b.

Fig. 5.3.1.b. Mapa resultado de aplicar lainterpolación con IDW.

Tabla 5.3.1.b. Tabla con los parámetros introducidos para la interpolación con IDW.

50

De entre todas ellas se ha descartado la interpolación con IDW por la tendencia a

disminuir el valor de la temperatura entre los puntos asignados (graf. 5.3.1.b), efecto

inadecuado al comportamiento de la temperatura. El efecto que simula este tipo de

interpolación no es propio de la temperatura, no tiene ningún sentido relacionar su

variación con la distancia al punto donde se sitúa la temperatura prevista.

También se ha descartado la interpolación por TINs por no ajustarse a una

tendencia más progresiva de la temperatura, presentando cambios bruscos entre los

triángulos generados por la interpolación (graf. 5.3.1.c.).

Por lo anteriormente comentado y por el ajuste más gradual de las temperaturas

que presenta el Spline (graf. 5.3.1.c), este será el método utilizado.

Por otro lado, después de la aplicación de la interpolación, se podría pensar en el

posible error que se comete al escoger el valor mayor de temperatura de cada celda,

cuando nos referimos a las cuadriculas perimetrales, pudiéndose coger un valor que se

encontrase fuera de la superficie catalana. Este hecho se desestima por el siguiente

motivo: en caso de asignar un valor de temperatura que se encontrase fuera de la

superficie catalana, al ser este el valor más alto de la celda, indicaría que en dicha celda

Graf. 5.3.1.c. Gráfica que representa latendencia de la temperatura creada por lacreación de TINs transformados a rastersegún la línea observada en la figura 5.3.1.c.

Fig. 5.3.1.c. Mapa resultado de aplicar lainterpolación con TINs.

51

resultaría un valor de predicción superior al que correspondería, en tal caso, nos

encontramos al lado de la seguridad.

5.3.2.- Temperatura real

En este apartado lo más interesante a destacar es la utilización de la

interpolación mediante polígonos de Thiessen, lo cual viene prácticamente impuesto por

el hecho de haberse utilizado este método en la creación del modelo. Es posible que esta

elección no sea la más idónea, pero la baja cantidad de estaciones meteorológicas

existentes y su desigual y, en algunos casos, amplia distancia entre ellas, hace que no se

pueda establecer ningún tipo de relación o interpolación que se ajuste a la tendencia

que realmente presenta ésta en su distribución geográfica.

5.4. Resultados de la automatización del modelo

El resultado de la implementación de las capas del MDRICH se ha automatizado

correctamente si no se tiene en cuenta que los días que no se recibía antes de las ocho de

la mañana los datos necesarios para generar el mapa de temperaturas previstas, el mapa

de predicción de incendios no se generaba. Ello comportaba la necesidad de revisar

diariamente si éste se generaba o no, aunque el que se genere más tarde de la hora

prevista no tiene la utilidad que se le atribuye a dicho mapa.

5.5.- Evaluación de Resultados

A continuación, para comentar y valorar los resultados de contrastar los mapas

de incendios ocurridos con los mapas de previsión de incendios, se presentan las

siguientes tablas con todos los resultados en dos tablas, la primera (tabla 5.4.a.), se

presenta la fiabilidad del modelo, que se refleja como el porcentaje de incendios

ocurridos que se han predicho y el porcentaje de los que no, para las dos áreas de

estudio y las dos variables de la temperatura. Igualmente, en la segunda tabla (tabla

5.4.b.), se muestran los resultados de eficacia del modelo, donde se encuentran los

porcentajes de los incendios predichos que han llegado a producirse y el porcentaje de

los que no:

52

De buen principio era de esperar que los resultados de fiabilidad para la zona del

modelo y temperatura real fuesen mejores que los resultados obtenidos para Cataluña y

las temperaturas previstas. Esto es así debido a que se parte de unos datos que se

aproximan más a los inputs que intervinieron en la creación del modelo, como lo son las

temperaturas reales, frente a las temperaturas generadas por el modelo MASS, o a la

zona del modelo respecto a la totalidad de la superficie catalana. La entrada de datos

que el modelo nunca ha visto y por lo tanto no los tuvo en cuenta a la hora de generar la

ecuación que lo define repercute en los resultados reduciendo del porcentaje de

incendios previstos.

Así, si nos remitimos a los números de la tabla 5.4.a., se observa un descenso de

algo más de un 5,5 % de incendios acertados en la zona del modelo y de algo menos de

un 6,4 % en toda la C.A. catalana al cambiar el tipo de temperatura utilizada en el

modelo, de Tª real a Tª prevista. Lo cual nos puede venir a decir que el hecho de

utilizar el modelo MASS hace que se pierda en fiabilidad, ya sea por la falta de ajuste de

Área abarcada Modelo Cataluña Modelo Cataluña Incendio Predicción

Temperatura Real Real Prevista Prevista

Si incendio Predichos(1) 76,00 % 73,31 % 70,48 % 66,93 %

SI No

incendio Desestimados(2) 24,00 % 26,69 % 29,52 % 33,07 %

(1) incendios que se han predicho por el modelo. (2) incendios que no se han predicho por el modelo.

Área abarcada Modelo Cataluña Modelo Cataluña Predicción Incendio

Temperatura Real Real Prevista Prevista

SI Aciertos (1) 2,60 % 2,10 % 2,80 % 2,25 % Si

incendio NO Falsas alarmas (2) 97,40 % 97,90 % 97,20 % 97,75 %

(1) predicciones que han sido incendios. (2) predicciones que no han sido incendios.

Tabla 5.4.a. Tabla donde se muestra la fiabilidad del modelo para las diferentes zonas y temperaturasimplementadas en el modelo.

Tabla 5.4.b. Tabla donde se muestra la eficacia del modelo para las diferentes zonas y temperaturasimplementadas en el modelo.

53

dicho modelo a las temperaturas reales, o bien por no haber sido generado el modelo de

predicción de incendios a partir de los datos de temperatura previstas.

Esto último sería interesante de tener en cuenta en futuros modelos, es decir,

tener en cuenta la temperatura prevista generada por el modelo MASS como posible

información para crear un modelo, ya que el hecho de que se disponga de estos datos

con antelación es un factor muy interesante en prevención, lo cual no ocurre con las

temperaturas reales.

También se puede apreciar que el aumento de la superficie a la que se aplica el

modelo, hace disminuir la fiabilidad del mismo en un 2,7% y un 3,55% para la Tª real y

la Tª prevista respectivamente, lo cual viene a decir que el aumento de la superficie a

aplicar el modelo es menos significativo que el cambio del tipo de temperatura en

cuanto a fiabilidad se refiere.

La eficacia del modelo viene dada en la tabla 5.4.b., donde se registra un

aumento de falsas alarmas al cambiar de Tª prevista a Tª real, aunque de menor

consideración que las diferencias encontradas en la tabla de fiabilidad. Igualmente, al

cambiar de la superficie abarcada por el modelo a toda Cataluña se aprecia una

tendencia a aumentar el porcentaje de falsas alarmas.

Aunque es cierto este aumento de las falsas alarmas al utilizar las temperaturas

reales, lo interesante a destacar es el elevado numero de falsas alarmas que genera el

modelo, hasta un 97,4% para las condiciones iniciales de creación del MDRICH y hasta

un 97,75% para las condiciones útiles de trabajo que el modelo debería presentar en u

futuro, temperaturas previstas – Cataluña.

Finalmente y teniendo en cuenta en global los resultados obtenidos en las tablas,

se podría decir que el MDRICH es bastante bueno para predecir las igniciones de

incendios, al predecir alrededor de un 70% de las igniciones, aunque este resultado

pierde interés al observar el elevado número de falsas alarmas que genera.

54

6.- CONCLUSIONES

- Se han llegado a generar correctamente todas las capas necesarias del modelo,

observándose falta de precisión, debido al efecto borde, en el cálculo las capas de los

modelos de combustibles que se utilizaron en la creación del modelo.

- Se ha visto que la capa de elevaciones medias introducida en la creación del

modelo se calculó mal o no es la capa que se dice que es. Esto provoca un ajuste

forzado de la ecuación del modelo, generando, muy probablemente, una disminución de

la fiabilidad de modelo.

- La utilización de las temperaturas a las 12 UTC en la creación de los mapas en

vez de las temperaturas máximas utilizadas en la creación del modelo, repercute

forzosamente en la fiabilidad de los mapas.

- Se debería asegurar la recepción diaria antes de las 7:30 AM de las

temperaturas previstas para que la automatización del modelo genere los mapas sin

problemas.

- El hecho de utilizar la temperatura prevista en vez de la temperatura real hace

que la fiabilidad del modelo disminuya en un 5,5 % en la zona de creación del modelo y

en un 6,4 % para la zona de Cataluña.

- El aumento de la superficie de aplicación del modelo, de las comarcas entradas

en la creación del modelo a la totalidad de la superficie catalana, repercute

negativamente en la fiabilidad del modelo al no tener en cuenta éste las características

de la zona ampliada, hasta un 2,7 % para la temperatura real y un 3,6 % para las

temperaturas previstas.

- El modelo predice de un 66% a un 76% de las igniciones ocurridas, pero

presenta un elevado número de falsas alarma, hasta un 97,6 % de los incendios

predichos no lo han sido.

55

- Debería estudiarse la incorporación de la temperatura prevista generada por el

modelo MASS en futuros estudios de modelos de predicción de ocurrencia de

incendios, así como la utilización de métodos de interpolación más acordes con las

variables puntuales.

- Para la creación de futuros modelos de predicción de incendios sería

interesante evitar el error generado por el efecto borde, así como asegurar que las capas

entradas en el modelo son las correctas y están bien calculadas.

56

7.- BIBLIOGRAFÍA

Chou, H.Y., R.A. Minnich, L.A. Salazar, J.D. Power y R.J. Dezzani. 1990. Spatial

autocorrelation of wildfire ditribution in the Idyllwild Quadrangle, San Jacinto

Mountains, California. Photogrammetric Engineering & Remote Sensing 56:1507-

1513.

Chou, Y.H. 1990. Modelling fire occurrence for wildland fire management: A GIS spatial

analysis for fire control and prevention. En: Proceedings GIS/LIS'90 Symposium,

Vancouver, BC, Canada, vol. 1: 440-449.

ESRI. ArcInfo, ArcGis [User manual]. 2002. Redlands, CA: Environmental Systems

Research Institute, Inc. Disponible en: 380 New York Street, Redlands, CA

92373-8100, USA.

Vega-García, C., P.M. Woodard, S.J. Titus, W.L. Adamowicz y B.S. Lee. 1995. A

logit model for predicting the daily ocurrence of human caused forest fires.

International Journal of Wildland Fire 5(2): 101-111.

Vega-García, C., B.S. Lee, P.M. Woodard, y S.J.Titus 1996. AI Applications.

Applying neural network technology to human-caused wildfire occurrence

prediction. Vol. 10, No. 3: 9-18.