Índice de peligro de incendio forestal en el ......los estudios de evaluación y cuantificación de...

Memorias de resúmenes en extenso SELPER-XXI-México-UACJ-2015

12-16 de Octubre de 2015, Ciudad Juárez, Chihuahua, México.

ÍNDICE DE PELIGRO DE INCENDIO FORESTAL EN EL BOSQUE

DE CONÍFERAS DEL ÁREA NATURAL PROTEGIDA DE FLORA Y

FAUNA: MADERAS DEL CARMEN, COAHUILA

Nestor Fabián BRONDI RUEDA*a

, Diego Fabián LOZANO GARCÍAa

*a LabSIG, ITESM, E-mail: *[email protected]

RESUMEN

Esta trabajo propone generar un índice de peligro de incendio forestal y su cartografía en el bosque de

coníferas del Área Natural Protegida de Flora y Fauna de Maderas del Carmen (ANPFFMC); el diseño

de muestreo fue por conglomerados y la metodología empleada para el cálculo de combustible forestal

muerto fue el de transectos planares propuesto por Brown (1974), se muestrearon 22 conglomerados cada

uno de 16 líneas.

El área de interés (bosque de coníferas) se delimitó a través del método de clasificación supervisada donde

se obtuvo un porcentaje de precisión de 99.5%; con la información de la carga de combustible forestal

muerto de cada conglomerado se pudo elaborar el índice de peligro de incendio forestal a través de

método estadístico de interpolación spline, generando una barrera de interpolación con la imagen

supervisada del bosque de coníferas del ANPFFMC.

Los resultados para combustibles correspondientes a 1 hora, arrojaron un valor promedio de 1.22 ton/ha,

para combustibles de 10 horas un valor promedio de 5.24 ton/ha, para combustibles de 1,000 horas (Sin

pudrición) un valor promedio de 8.82 ton/ha, para combustible de 1,000 horas (Con pudrición) un valor

promedio de 27.56 ton/ha. El peso promedio de la carga de la capa orgánica es de 27.56 ton/ha con una

profundidad promedio de 2.35 cm. en los 22 conglomerados.

Palabras clave: Incendios forestales, Maderas del Carmen, Índices de incendio

ABSTRACT

This paper proposes an index of risk of forest fire and its mapping in the coniferous forest at the Natural

Protected Area of Maderas del Carmen (ANPFFMC); the sampling design was cluster sampling and the

methodology for calculating the dead forest fuel was planar transects proposed by Brown (1974), 22

clusters were sampled every 16 lines.

The area of interest (coniferous forest) was delimited by a supervised classification of a Landsat-8 TM

image, where an accuracy rating of 99.5% was obtained; with information on the dead forest fuel load of

each cluster could compile the index wildfire hazard through statistical method of spline interpolation,

creating a barrier monitored image interpolation with coniferous forest ANPFFMC.

The results for corresponding to 1 hour fuels yielded an average of 1.22 t / ha for fuel 10 hours a mean

value of 5.24 t / ha for fuel 1,000 hours (no rot) an average value of 8.82 t / ha to 1,000 fuel hours (rot) an

average of 27.56 t / ha. The average weight of the load of the organic layer is 27.56 t / ha with an average

depth of 2.35 cm. in 22 clusters.

Keywords:-Forest fires, Maderas del Carmen, Fire inedexes



1 INTRODUCCIÓN

El fuego es un elemento importante en el

desarrollo de los ecosistemas, pero cuando se

propaga sin control en zonas como selvas y

bosques causan daños muy importantes al

ambiente y los ecosistemas. Los incendios

forestales favorecen el cambio climático ya que

estos emiten gases de efecto invernadero.

Los incendios forestales generalmente suelen

suceder después de una larga temporada de sequía,

en la cual se produce una mayor acumulación de

biomasa seca sobre la superficie, creándose una

cubierta vegetal muerta que proporciona las

condiciones adecuadas para que exista continuidad

necesaria para su expansión.

El combustible forestal es toda la materia orgánica

ubicada sobre la superficie de los bosques, de este

manera las áreas donde exista una mayor

concentración de combustible forestal, serán más

susceptibles a ser incendiadas con una intensidad.

La acumulación de combustible forestal puede ser

estimada de una forma económica y efectiva

mediante el uso de técnicas de teledetección que

proporcionan una cobertura espacial y temporal

adecuada para este tipo de trabajos, reduciendo el

costoso trabajo de campo (Chuvieco y Martín,

2004). La integración de datos espaciales en un

Sistema de Información Georreferenciada (SIG)

permite almacenar y procesar una gran cantidad de

datos, así como llevar a cabo análisis espaciales

con información procedente de varias fuentes y

con distintos formatos (Sunar & Özkan, 2001).

En los últimos años la teledetección se ha vuelto

una herramienta muy eficaz para estimar las

cantidades, propiedades, densidad y estructura de

combustible forestal (Mörsdorf 2004, Pyne 1996).

De la misma manera los Sistemas de Información

Georreferenciada permiten generar cartografía

digital, obteniendo una ubicación precisa de las

áreas de interés (Puebla, J. G., & Gould, 1994).

1.1 INCENDIOS FORESTALES EN

MÉXICO

En México se registra cada año un promedio

aproximado de 8 mil incendios forestales, estos

afectan en diversos grados la gran variedad de

ecosistemas terrestres del país.

Con el objetivo de reducir las causas y su

impacto sobre los bosques, el Gobierno Federal

pone en ejecución planes de protección y control

de estas conflagraciones por medio del Programa

Nacional de Protección contra Incendios

Forestales, el cual a su vez es dirigido por la

Comisión Nacional Forestal (CONAFOR).

El registro histórico de incendios forestales del

país se centra en dos datos básicos e importantes:

El número de incendios (Figura 1) y la superficie

afectada (Figura 2). Esta información a su vez nos

permite identificar un tercer indicador: La

superficie promedio afectada por incendio.

Las causas principales son: Quemas por

pastoreos y quemas para limpiar terrenos antes de

ser trabajados (Tabla 1). Por lo general en los

estados del norte del país los siniestros han sido

ocasionados por actividades agropecuarias, sin

descartar causas atribuidos al hombre.

1.2 INVENTARIOO DE COMBUSTIBLES

FORESTALES EN MÉXICO

Los estudios de evaluación y cuantificación de

combustibles forestales desarrollados por:

Harrington (2005), Warren y Olsen (1964), Van

Wagner (1968, 1982), Brown (1971, 1974);

McRae (1979), han sido los pilares base para el

desarrollo de estas técnicas en México (Alvarado,

1986).

Sánchez y Zerecero (1983) citado en Rodríguez

(1996), realizaron la traducción al español del

trabajo de Brown (1974) en este manual se explica

la metodología para calcular la carga de

combustible forestal en diferentes tipos de

vegetación, actualmente esta metodología es

replicada en muchos países del mundo.

Zapata (1991) evaluó cargas de combustibles

leñosos para la Unidad de Administración Forestal

de Topia - Durango, con el propósito de obtener

índices de peligro básico, obteniendo cinco

categorías de cargas: I (hasta 21 ton/ha), II (de 22 a

35 ton/ha), III (de 36 a 49 ton/ha), IV (de 50 a 63

ton/ha) y V (mayor o igual de 64 ton/ha).



Flores y Benavides (1995) citado en Rodríguez

(1996), obtienen cargas de 56.06 a 90.13 ton/ha en

bosque de Pinus michoacana en Jalisco.

Rodríguez y Sierra (1995), llevaron a cabo

estudios en los bosques del Distrito Federal en

donde refieren cargas promedio de combustibles

por tipo de vegetación: Zacatonal 7.98 ton/ha,

matorral xerófilo 11.40 ton/ha, bosque de

latifoliadas 13.34 ton/ha, bosque de pino 23.32

ton/ha, bosque de oyamel 27.22 ton/ha, empleando

los modelos de Brown (1974).

1.2 CASOS DE ESTUDIO DE

APLICACIÓN DE PR PARA EL

CÁLCULO DE COMBUSTIBLE

FORESTAL

Debido a las repercusiones ambientales,

sociales y económicas que trae como consecuencia

los incendios forestales, en muchos países existe

gran preocupación sobre cómo prevenir que las

consecuencias de estos eventos tengas resultados

menos dañinos para la población y el medio

ambiente, llevando a cabo un inventario de

combustible forestal sobre una determinada

comunidad vegetal, a continuación se citan algunos

casos de estudios.

Salas y Chuvieco (1995) afirman que: “La

cartografía de los modelos de combustible entraña

importantes problemas, ya que las características

del material combustible son enormemente

dinámicas y exigen un nivel de detalle difícilmente

abordable con la periodicidad requerida. Por otro

lado, la cobertura global y periódica facilitada por

los satélites de observación de la tierra, ofrece las

condiciones temporales adecuadas para este tipo de

cartografía. Además la homogeneidad en la toma

de datos, así como la información sobre regiones

no visibles del espectro (infrarrojos medio, térmico

y microondas) suponen una importante ventaja de

esta técnica sobre la fotografía aérea.”

Cortez y Chuvieco (2005), presentan métodos y

resultados obtenidos en una investigación realizada

en el estado de Durango, con la finalidad de

generar cartografía de tipos de combustible a partir

de imágenes Landsat ETM+. Los datos iniciales de

las imágenes fueron procesados y corregidos,

posteriormente se empleó una clasificación

supervisada y trabajo de campo, permitiendo

obtener cartografías de cobertura el suelo y tipos

de combustible. Todo esto en un tiempo

razonable y de forma económica, lo que resulta

clave para la prevención de incendios forestales en

la zona.

Tabla 1. Causas de incendio forestales en México.

Fuente Cedeño 1999.

Causas Ocurren-

cia (%)

# de Incen-

dios

Sup.

Afectada

(Ha)

Actividades

agropecuarias

54 5, 665.68 279,720.29

Intencional 16 1,678.72 82,880.09

Fumadores 10 1,049.00 51,790.18

Fogatas 9 944.28 46,620.05

Otras causas * 6 629.52 31,080.03

Actividades

silvícolas

2 210.00 10,360.01

Derechos de vía 2 209.84 10,360.01

Actividades

productivas

1 104.92 279,720.29

Total 100 10,492.00 518,000.00

* (Cultivos, rayos, trenes, líneas eléctricas).

Frau y Valenzuela (2006), en el estudio llevado

a cabo en Chile, expresan que: “La Teledetección

espacial y los Sistemas de Información Geográfica

(SIG) han constituido una verdadera revolución

tecnológica y metodológica para efectuar la

adquisición, manejo y análisis de la información

geográfica sólo comparable con el efecto que

provocó la invención del mapa. De hecho, estas

nuevas tecnologías constituyen el eje vertebrado

que sustenta los sistemas de consulta y análisis

utilizados en las empresas forestales, soportando

grandes volúmenes de información cartográfica

relevante para el proceso de toma de decisiones.

Por consiguiente, la integración de éstas disciplinas

geomáticas generan y suministran información

temática y espacial, de carácter primario o

secundario, para efectuar una adecuada

planificación de las actividades a llevar a cabo

durante toda la extensión del ciclo económico

forestal, manifestadas en los horizontes de

planificación estratégico, táctico y operacional.”



Figura 1. Números de incendios México 1998 – 2014, Fuente CONAFOR, Información al 27 de

Diciembre de 2014

Figura 2. Cantidad de superficie afectada en hectáreas 1998 – 2014. Fuente CONAFOR. Información

al 27 de Diciembre de 2014.

Rodríguez y Silva (2007) manifiestan que: “La

disposición de cartografía de modo automática a

escala regional facilitará las labores de gestión y

planificación del plan de ataque de los medios

aéreos, terrestres y humanos”. “La disponibilidad

de la cartografía digital de modelos de

combustibles forestales, en los que se recojan el

conjunto de variables que identifican de forma



diferenciada la progresión y emisión energética del

fuego, representa una necesidad de carácter

fundamental para poder establecer las estrategias

de defensa de los sistemas forestales.”

García, González y otros (2012), empleando la

técnica de transectos planares llevaron a cabo la

caracterización de combustibles forestales

mediante un muestreo directo en plantaciones

forestales en Linares Nuevo León. En donde

concluyen que: “Los resultados de su investigación

indican que debido a la ausencia de manejo se

encuentra una gran acumulación de combustibles

forestales lo que aumenta la probabilidad de

incendios”.

Zárate y Martinez (2013) llevaron a cabo la

evaluación de combustibles forestales en el Parque

Nacional “El Chico”, Hidalgo, en donde por medio

de imágenes satelitales agruparon las unidades

ecológicas similares de acuerdo al tipo de

vegetación, condiciones generales del sitio y

densidad arbórea; eligiendo la más representativa

para realizar la evaluación de combustibles

forestales. La evaluación de los combustibles

forestales se efectuó a través de la técnica de

transectos o intersecciones planares (Brown et al.

1974). Este estudio sirve como base para la

elaboración de mapas de riesgo de incendio

forestal, conjugando a su vez parámetros como:

Tipo de suelo, vegetación y uso del suelo dentro de

la zona de interés.

1.3 JUSTIFICACIÓN Y OBJETIVOS

De acuerdo a Alanís y Sánchez (1994), las

zonas con una mayor concentración de

combustible forestal, serán más susceptibles a ser

incendiadas con una intensidad mayor. Los

combustibles forestales son elementos esenciales

para la ocurrencia de incendios forestales, muchos

estudios sobre los incendios forestales han podido

evidenciar los diversos factores responsables por el

comportamiento del fuego, de entre los cuales y de

fundamental importancia: el material combustible.

(Morfin 2012).

Cabe resaltar que de acuerdo al programa

estatal de prevención contra incendios forestal de

Coahuila de Zaragoza, en el último informe del

año 2013, presentan una cartografía en la cual

ubican a la Sierra del Carmen con un alto riesgo de

incendio forestal.

Tabla 2. Ubicación de lugares afectados por incendios

forestales en el ANPFFMC

AÑO LUGAR COORD. UTM

1995 Mesa bonita 733442 3211656

2000 Carboneras 739626 3205767

2003 Los centinelas 732083 3221726

2009 Mesa bonita 733442 3211656

2009 Mesa escondida 734669 3209856

2010 El cedro 734074 3199945

2011 Los centinelas 731022 3219826

2011 Pilares 735455 3184629

2012 El mirador 737853 3207652

2013 Cañón del diablo 723809 3237910

Particularmente en el bosque de coníferas existe

una mayor acumulación de material combustible,

cabe resaltar que la cantidad y el tipo de

combustible forestal que se halla acumulado,

definen la intensidad del incendio lo cual

consecuentemente determinará el impacto en los

ecosistemas (Anderson, 1982).

En estos bosques las tareas de supresión y

prevención de los incendios se logran mediante

los trabajos de brigadas contra incendios y en

algunos eventos, cuando el fuego se presenta en

lugares inaccesibles se han extinguido por sí

mismos (Plan de manejo 2013). El riesgo se

encuentra latente en esta área, pudiéndose

producir un incendio forestal de grandes

magnitudes.

Objetivos

El objetivo general de este estudio fue generar

un índice de peligro de incendio forestal, en el

bosque de coníferas del ANPFFMC.

Objetivos Específicos.

• Cartografiar el bosque de coníferas haciendo

uso de la teledetección.



• Estimar la carga combustible muerto para un

tiempo de retardo de 1, 10, 100 y 1,000 horas

respectivamente.

• Estimar la carga combustible de la capa

orgánica (hojarasca y humus) y su profundidad.

• Establecer el índice de peligro de incendio

forestal a través de interpolación de datos de cada

conglomerado y su respectiva cartografía.

2 MATERIALES Y METODOS

El APFFMC se ubica, en el extremo noroeste

del estado de Coahuila, situada en tres municipios

del estado de Coahuila: Múzquiz, Ocampo y

Acuña (Figura 3). Cubre una superficie total de

208 mil hectáreas, con un rango de altitudes que

fluctúa entre los 500 y 2,720 en los picos más altos

(Plan de Manejo 2013). La vegetación (Figura 4)

existente en el ANPFFMC (CONANP, 2004) es la

siguiente:

Bosque de oyamel, se pueden encontrar las

siguientes especies, P. arizonica, Pseudotsuga

menziesii, Cupressus arizonica, Quercus gravesii,

Q. hypoleucoides, Q. muhlenbergii, Populus

tremuloides, Acer grandidentatum. Entre las

especies arbustivas están Ceanothus sp., Nassella

tenuissima, Piptochaetium fimbriatum.

Bosque de Pino, en donde las especies arbóreas

de mayor población son: Quercus gravesii, Q.

hypoleucoides, Q. laceyi, Q. arizonica, Q. sinuata,

Q. mohriana, Juniperus flaccida, J. deppeana,

Pinus cembroides, Arbutus xalapensis y Fraxinus

cuspidata. Asociadas a estas especies se encuentra

Salvia regla, Garrya ovata, Rhus trilobata,

Vitisarizonica, Ptelea trifoliata, Sideroxylon

lanuginosum y Cercocarpus montanus var.

Bosque encino, está dominada por diferentes

especies como: Quercus intricata, Q. pringlei, Q.

laceyi, Q. hypoxanta. Asociadas estas especies a

Garrya ovata, Rhus virens, Cercocarpus

fothergilloides var. mojadensis, Condalia ericoides,

Mahonia trifoliolata, Purshia mexicana,

Arctostaphylos pungens, Ceanotus greggii,

Malacomeles denticulata, Arbutus xalapensis,

Fraxinus greggii, Sideroxylon lanuginosum, Rhus

trilobata, R. microphylla, Nolina erumpens,

Dasylirion ssp., Yucca faxoniana.

Figura 3. Ubicación del ANPFF Maderas del Carmen.

Chaparral, con presencia de las siguientes

especies: Quercus fusiformis, Q. laceyi, Q. sinuata,

Q. mohriana, Dyospiros texana, Sideroxylon

lanuginosum, Sophora secundiflora, Bauhinia

lunarioides, Rhus virens, Vauquelinia corymbosa y

Leucaena glauca.

Matorral desértico micrófilo, constituido por

especies de hojas pequeñas ubicadas en zonas

áridas y semiáridas, generalmente se encuentran

asociados a especies o o sin espinas, la especie más

característica es la gobernadora (Larrea tridentata).

Matorral desértico rosetófilo, se caracteriza por

la forma de roseta de las hojas, las especies más

importantes son: Euphorbia antisiphylitica,

Jatropha dioica, Agave lechuguilla, Hechtia spp.,

Opuntia spp., Echinocactus spp., Echinocereus

spp. Y Mammillaria spp.

Pastizal natural, conformado por especies

nativas como: Bouteloua gracilis, B. curtipendula,

Bothriochloa saccharoides, Lycurus phleoides,

Achnatherum eminens, Aristida divaricata,

Buchloe dactyloides y Muhlenbergia tenuifolia.



Imagen Satelital

Para esta investigación se decidió descargar la

imagen a través del satélite Landsat 8 LDCM, con

fecha 12 de Junio de 2014 (Figura 5).

Clasificación

Para llevar a cabo la clasificación supervisada

se utilizó como guía la cartografía digital de INEGI

- Serie V de vegetación en una escala de 1:250,000

(Figura 6), cartografía presente en el Plan de

manejo 2013 y el reconocimiento de terreno del

ANPFFMC, para llevar a cabo esta clasificación se

realizó la evaluación estadística de las áreas de

entrenamiento, se analizó la separabilidad espectral

de las clases temáticas (Bosque de coníferas,

bosque de coníferas y latifoliadas, bosque de

latifoliadas, matorral xerófilo y pastizal), máxima

verosimilitud, análisis de separabilidad y

finalmente el porcentaje de precisión de cada clase

temática.

Trabajo de Campo

Es necesario tomar en consideración factores

como el tipo de combustible, continuidad y

tamaño. Sin olvidar que esta técnica tiene como

parámetro principal el diámetro de ramillas, ramas

y trozas. Como una regla general, a mayor cantidad

de combustible en un área, se requiere un menor

número y longitud de líneas (Brown et al. 1974).

La precisión del muestreo dependerá del número y

longitud de las líneas.

En forma general y para cualquier área, se

sugiere inventariar de 15 a 20 líneas de muestreo

para alcanzar un 20% de error o menor (Brown et.

al 1974), lo cual es un nivel de precisión adecuado

para detectar la mayoría de los problemas en cada

tipo de combustible forestal.

3 RESULTADOS

3.1 CLASIFICACIÓN

Se pudo obtener un porcentaje de precisión del

88.4 % (Tabla 10), la imagen general y el bosque

de coníferas (Figura 7) obtuvo una precisión mayor

al 85 %, lo cual es exigido por la USGS.

Tabla 3. Matriz de confusión (pixeles) de la

clasificación supervisada de la imagen satelital del área

de interés.

Clases % BC BM BL MX P Tot

B.

Coníferas

99.5 219 0 1 0 0 220

B. Mixto 78.6 16 187 2 30 3 238

B.

Encinos

83.7 3 19 231 22 1 276

Matorral

Xerófilo

88.5 1 15 2 200 8 226

Pastizal 95.0 2 0 5 2 170 179

Tot.

Referencia

241 221 241 254 182 1139

%

Precisión

Productor

82.4 85.6 94.3 80.2 96.1

Tot.

Aciertos

1007

Precisión 88.4

3.2 CARGAS DE COMBUSTIBLE

FORESTAL

De acuerdo a la metodología descrita en el

capítulo anterior se obtuvo la estimación de

combustible forestal muerto, para un tiempo de

retardo de 1, 10, 100, 1,000 (con pudrición y sin

pudrición) horas y el peso de la capa orgánica

(humus y hojarasca) en 22 conglomerados, los

pesos se encuentran convertidos a toneladas por

hectárea (Tabla 11).

3.2 PESOS DE COMBUSTIBLE

FORESTAL MUERTO

Para poder identificar el comportamiento de los

datos de cada conglomerado se aplicó un test de

Anderson – Darling para probar si los datos de

cada conglomerado provienen de una población

con una distribución específica (normal / No

normal). En donde si el valor “P” es inferior al

nivel de significancia seleccionado (generalmente

0.05), concluiremos que los datos no siguen una

distribución especificada.



Figura 4. Vegetación existente en el ANPFF Maderas del Carmen. Fuente: INEGI-SERIE V- 1:250,000.



Figura 5. Imagen LandSat 8 LDCM, combinación de bandas rojo 5, verde 6 y azul 4, identificada el ANPFFMC (12

Jun 2014,)



De acuerdo a lo afirmado se realizó el test

Anderson Darling a los 22 conglomerados (Tabla

4), para identificar su distribución y además

obtener la información de la media, desviación

estándar y varianza.

Como podemos apreciar en la Tabla 4, los

valores obtenidos de las desviaciones se

encuentran entre los rangos de 0.6122 y 5.774

ton/ha. Con respecto al valor “P”, existen 12

conglomerados (1, 2, 4, 5, 8, 9, 10, 11, 12, 15, 20 y

21) con un nivel de significancia < 0.05, esto

indica que no se cumple el supuesto de

normalidad, lo que no sucede con los 10

conglomerados restantes (3, 6, 7, 13, 14, 16, 17,

18, 19 y 22).

Con la finalidad de comprobar el supuesto que

los combustibles de 1,000 horas son los causantes

de la variabilidad de los resultados, se volvió a

correr el test de Anderson – Darling excluyendo

los combustibles de 1,000 horas de las 16 líneas de

muestreo de los 22 conglomerados, los rangos de

la Tabla 5 se encuentran entre 0.274 y 0.9813

ton/ha.

3.3 RELACIÓN DEL TIPO DE ESPECIE

VERSUS CARGA DE COMBUSTIBLE DE

LA CAPA ORGÁNICA

Dentro del ANPFFMC se encuentran

identificadas aproximadamente 25 especies de

vegetación arbórea (Plan de manejo 2013), los

pesos de las cargas de combustible de la capa

orgánica de los 22 conglomerados están asociados

a un tipo de vegetación predominante identificada

en cada sito de acuerdo a la Tabla 6.

En la Tabla 6 se presentan los pesos de

combustible de la capa orgánica de orden

descendente, también se identifican las especies

identificadas con mayor frecuencia asociadas a la

carga de combustible de la capa orgánica.

Posteriormente se realizó una gráfica de dispersión

entre las variables mencionadas con la finalidad de

identificar inicialmente alguna relación; es

importante afirmar que existen además otras

especies asociadas dentro y alrededor de los

conglomerados.

Con el resultado de la Figura 8, se puede

apreciar que existe una tendencia de agrupación

entre las especies de Pinus ponderosa y arizonica,

Pinus Cembroides y Abies religiosa, alba y

Ptseudosuga.con respecto al resultado de la carga

de combustible. Se decidió re agrupar a las

especies de acuerdo a lo mencionado y correr la

prueba estadística de Anova de un solo factor para

comprobar estadísticamente si las medias de las

especies re agrupadas con mayor frecuencia son

iguales o al menos una es diferente. De ser

diferentes, se eligió la prueba de Tukey HSD para

identificar cual es la diferente.

Figura 8. Relación por tipo de especie identificada con

mayor frecuencia con carga de combustible de la capa

orgánica

Los resultados de la prueba de Anova de un

solo factor y Tukey obteniendo resultados de

acuerdo a la Tabla 7.



Figura 7. Resultado de la clasificación supervisada del área de interés (bosque de coníferas).



Tabla 4. Resumen de combustible forestal muerto, expresado en unidades de ton/ha.

Tabla 5. Pesos de combustible muerto obtenido en cada línea de los 22 conglomerados

De acuerdo al resultado de la prueba de Tukey

(Tabla 7) se puede evidenciar que las medias que

no comparten una letra son significativamente

diferentes, al no compartir estos grupos otra letra,

se demuestra que las tres medias son diferentes

entre sí.

3.4 RELACIÓN ENTRE LA

PROFUNDIDAD DE LA CAPA



ORGÁNICA Y LA CARGA DE

COMBUSTIBLE

La profundidad del perfil de la capa orgánica

guarda estrecha correspondencia con la especie

identificada con mayor frecuencia de cada

conglomerado y la carga de combustible de la capa

orgánica (Tabla 6).:

De acuerdo a la Figura 9, se puede apreciar que

existe una relación entre mayor profundidad de la

capa orgánica mayor es la carga de combustible de

la capa orgánica, además se vuelve a evidenciar la

relación de las especies con mayor frecuencia (P.

arizonica/ P.ponderosa).

3.4 ÍNDICE DE PELIGRO DE INCENDIO

FORESTAL

La (Interpolación spline with barriers) se

procedió a generar el índice de peligro de incendio

forestal, el rango empleado para este índice es el

propuesto por Zapata (1991). De acuerdo a la

información de los 22 conglomerados se obtuvo la

cartografía de peligro de incendio forestal de la

zona de interés (Figura 10), permitiendo tener una

visualización espacial de la distribución de este

combustible y el índice de peligro en el boque de

coníferas.

P. arizonica/P. ponderosa P. cembroides

P. menziesii Abies religiosa P. menziesii/Abies Alba

Figura 9. Relación entre la profundidad de la capa

orgánica y la carga de combustible de la capa orgánica,

identificando la mayor profundidad asociada a las

especies P. arizonica /P. ponderosa.

Tabla 6. Especies arbóreas identificadas con mayor

frecuencia asociadas al peso de combustible de la capa

orgánica

Conglo-

merado

Especie con

mayor frecuencia

Peso CO

(ton/ha)

Profundidad

(cm)

17 P. menziesii/

Abies Religiosa

8.37 0.57

19 Abies religiosa 8.33 0.57

11 P. menziesii/

Abies Alba

11.53 0.63


22 P. menziesii 5.90 1.00


3 P. menziesii/

Abies Alba

12.80 1.11

14 P. menziesii/

Abies Alba

11.78 1.13

13 P. cembroides 15.89 1.65


21 P. menziesii/

Abies Alba

6.51 1.75



16 P. menziesii/

Abies Alba

14.89 2.58


10 P. arizonica/P.

ponderosa

35.69 3.25


1 P. arizonica/P.

ponderosa

22.26 3.97

8 P. arizonica/P.

ponderosa

33.79 4.00

5 P. arizonica/P.

ponderosa

23.30 4.60

9 P. arizonica/P.

ponderosa

38.46 5.25

2 P. arizonica/P.

ponderosa

32.54 5.34



Figura 10. Índice de peligro de incendio forestal, generado en Argis 10.1 con la herramienta de interpolación spline

spatial analyst with barriers



Tabla 7. Resultado prueba Anova de un solo factor

4 DISCUSIÓN

4.1 PESOS DE COMBUSTIBLE

FORESTAL MUERTO EN LAS 16

LÍNEAS DE MUESTREO (TRANSECTOS)

DE CADA CONGLOMERADO

Los combustibles de 1,000 horas (> 7.5 cm de

diámetro) no se encontraron con la misma

frecuencia sobre las líneas de muestreo a

comparación del resto de combustibles

muestreados. Por lo tanto se presume que las

desviaciones y varianza de cada conglomerado

presentados en la Tabla 4 se encuentran

relacionadas con los pesos obtenidos por los

combustibles de 1,000 horas.

Los rangos de desviaciones estándar de la

Tabla 4 están comprendidos entre 0.6122 y 5.774

ton/ha, mientras que los rangos de la Tabla 5 se

encuentran entre 0.274 y 0.9813 ton/ha, se puede

apreciar una disminución de las desviaciones

estándar en un 4,3 % por lo tanto se puede afirmar

que los combustibles de 1,000 horas son los

responsables de este efecto.

4.2 RELACIÓN DEL TIPO DE ESPECIE

ARBÓREA IDENTIFICADA CON

MAYOR FRECUENCIA EN CADA

CONGLOMERADO VERSUS CARGA DE

COMBUSTIBLE DE LA CAPA

ORGÁNICA.

Las cargas de combustibles más grandes (15.89

ton/ha a 38.46 ton/ha) están ligadas en sitios en

donde son más frecuentes las especies: P.

arizonica. P. ponderosa y P. cembroides, y este

hecho es debido a que el tamaño de sus acículas

son mayores de 5 cm. formando una capa orgánica

con mucha acumulación, más esponjosa pero a la

vez con un peso mayor.

Para el caso de las cargas de combustibles entre

5.90 ton/ha y 12.80 ton/ha estas se encuentran

relacionadas con sitios en donde son más

frecuentes las especies: P. menziessi, Abies Alba

y Abies Religiosa, una de las particularidades de

estas especies es que el tamaño de sus acículas son

menores a 5 cm. La acumulación de sus acículas

genera una capa menos densa y consecuentemente

una carga de combustible menor.

Los resultados de la pruebas Anova de un solo

factor y prueba de comparación de Tukey

evidencian estadísticamente la relación entre las

especies identificadas con mayor frecuencia en

cada conglomerado y la carga de combustibles de

la capa orgánica.

4.2 RELACIÓN ENTRE LA

PROFUNDIDAD DE LA CAPA

ORGÁNICA Y LA CARGA DE

COMBUSTIBLE DE LA CAPA

ORGÁNICA.

El perfil de profundidad de la capa orgánica se

encuentra estrechamente relacionado con la carga

de combustible la capa orgánica, esto quiere decir

que a mayor perfil de profundidad existirá mayor

peso de carga de la capa orgánica y viceversa.

Además se puede apreciar (Figura 11) la

agrupación de P. arizonica/P. ponderosa en la zona

de mayor peso de la capa orgánica, asociado al

perfil de mayor profundidad, de igual manera se

aprecia la relación entre menor perfil de

profundidad y menor peso de la capa orgánica, las

especies Abies y Ptseudosuga son las que se

encuentran relacionadas con este perfil.

5 CONCLUSIONES

Existe un grave problema de acumulación de

combustible forestal, de manera muy particular en

los sitios de mayor acumulación. Se debe de

retomar las tareas de mantenimiento y acopio de

combustible forestal llevado a cabo por la

CONANP en el año 2012, debido que al no existir

una continuidad de mantenimiento en dicha zona,

este hecho podría contribuir al aumento del índice

de peligro de incendio forestal en la zona

circunscrita entre los conglomerados 8 al 15.



Figura 11. Relación entre profundidad de la capa

orgánica, carga de la capa orgánica y especie asociada

El conocimiento de la distribución espacial del

índice de peligro de incendio en la zona del bosque

de coníferas, favorecerá en el planeamiento y

conducción de las brigadas contra incendio, lo cual

permitirá tomar mejores decisiones reduciendo la

exposición al peligro de los brigadistas.

Es evidente que los combustibles de 1,000

horas (> 7.5 cm de diámetro) al no encontrarse con

la misma frecuencia sobre las líneas de muestreo,

esto en relación de los combustibles de diámetros

menores (0.1 hasta 7.5 cm); generan cargas con

desviaciones estándar altas (0.6122 hasta 5.774

ton/ha). Este hecho es particularmente saltante

entre los conglomerados 8 al 15.

Se constató la relación del tipo de especie

arbórea identificada con mayor frecuencia en cada

conglomerado versus la carga de combustible de

la capa orgánica, esto validado a través de la

prueba anova de un solo factor, con prueba de

comparación de medias de Tukey.

Los resultados permiten afirmar que las

especies Pinus arizonica, ponderosa y cembroides

son aquellas que contribuyen a generar una

mayor carga de combustible de capa orgánica, y

este hecho directamente relacionado al tamaño de

sus acículas las cuales son mayores de 5 cm. lo

cual permite su fácil desprendimiento de las

pinaceas, ya sea por un fuerte viento o

simplemente entre los cambios de estación,

formando una capa orgánica con mucha

acumulación, más esponjosa y a la vez con un

peso mayor.

Para el caso de los conglomerados en donde se

identificaron tres escenarios: Evidente

perturbación, mayor acumulación y sin evidencia

aparente. Los resultados obtenidos en la prueba de

anova de un solo factor y comparación de Tukey

nos permiten identificar que la observación “mayor

acumulación” el valor de la media es de 87.01

ton/ha, alejado de los resultado de “evidente

perturbación” (52.46 ton/ha) y “sin evidencia”

(35.22 ton/ha).

A pesar de que las pruebas estadísticas denotan

un resultado diferente al resto de escenarios

(evidente perturbación, sin evidencia), es fácil

identificar la observación de mayor acumulación

en el campo (conglomerados del 8 al 15), debido a

los hechos que se suscitaron en esta área

(Aprovechamiento, abandono y zona de acopio),

siendo este escenario marcadamente distinto del

resto tanto en paisaje como en carga de

combustible.

De manera general, la zona de interés (bosque

de coníferas) se encuentra altamente perturbada

como consecuencia de la explotación forestal

llevada a cabo en los años 80”s. Esta condición

puede estar afectando los resultados obtenidos

entre las variables: Pendiente, aspecto en grados,

carga de combustible de la capa orgánica y carga

total.

6 REFERENCIAS

Alvarado C. E, (1986). Comportamiento del fuego en

rodales poco perturbados de Pinus montezumae

Lamb. Tesis de Maestría en Ciencias. Programa

forestal, Colegio de Postgraduados, Montecillos,

Mex. 113p.

Brown, J.K., (1971). A planar intersect method for

sampling fuel volume and surface area. For. Sci. 17,

96-102.

Brown, J. (1974). Handbook for inventorying downed

woody material. USDA, Forest Service. General

Technical Report, INT-16. Ogden, UT. USA. pp.1-

24.

Chuvieco, E.; Martín, M.P.; (2004). “Nuevas

Tecnologías para la estimación del riesgo de

incendios forestales”. Consejo Superior de



Investigaciones Científicas. Instituto de Economía y

Geografía. 190 pag. ISBN 84-00-08275-3.

Cortés Ortiz, A. y Chuvieco Salinero, E. (2005)

“Cartografía de tipos de combustible en una región

del Durango, México, mediante imágenes de

satélite”, GeoFocus 5, nº 5, p. 129-155. ISSN: 1578-

5157.

Flores G., J. G y J de D. Benavides S. (1995).

Evaluación de dos tipos de quemas controladas en

un rodal de Pinus michoacana en Tapalpa Jalisco.

Próx. Pub. Memoria II Congreso Forestal Mexicano.

Toluca, Mex 12 – 16 jul., 1983. Gob Edo. Méx.-

Probosque-SARH-SEDESOL-ANCF-AMPF-

UACH-INIFAP. 10p.

Frau, C. M., Valenzuela, J. G., Rojas, Y. O., Hernández,

Y. M., & Guajardo, R. M. (2009). Teledetección y

Sig en el Ámbito Forestal: Experiencias en Chile

Remote Sensing and Gis in Forestry: Experiences in

Chile. Ambiência, 2(3), 171-185.

García, E. R. E. D., González, M. A., Tagle, J. J. P.,

Garza, E. J. T., & Flores, D. Y. Á. (2012).

Caracterización de Combustibles Forestales

Mediante un Muestreo Directo en Plantaciones

Forestales.

Harrington, S., (2005). Measuring Forest Fuels. An

Overview of Methodologies, Implications for Fuels

Management. Forest Guild Research Center.

Working Paper 19.

McRae, D.J., Alexander, M.E., Stocks, B.J., 1979.

Measurement and description of fuels and fire

behavior on prescribed burns: a handbook. Can.For.

Serv. Rep. OX-287, Great Lakes For. Res. Cen.,

Sault Ste. Marie.

Morfin - Ríos, J.E., E.J. Jardel P., E. Alvarado C. y J.M.

Michel-Fuentes. (2012). Caracterización y

cuantificación de combustibles forestales. Comisión

Nacional Forestal-Universidad de Guadalajara.

Guadalajara, Jalisco, México.

Morsdorf, F., Meier, E., Kötz, B., Itten, K.I., Dobbertin,

M. & Allgöwer, B. (2004). LIDAR-based geometric

reconstruction of boreal type forest stands at single

tree level for forest and wild land fire management.

Remote Sensing of Environment, 92(3), 353-362.

Puebla, J. G., & Gould, M. (1994). SIG: Sistemas de

información geográfica. Síntesis.

Pyne, SJ, Andrews, PL, y Laven, RD, (1996).

Introducción a los incendios forestales (N º. Ed 2).

John Wiley and Sons.

Rodríguez y Silva, F., & Molina Martínez, J. R. (2007).

Cartografía de modelos de combustible para la

defensa contra incendios forestales. In Proceedings

of the 4th International Wildland Fire Conference,

Sevilla, Spain.

Rodríguez, D. A. y P. A. Sierra. (1995). Evaluación de

los combustibles forestales en los bosques del

Distrito Federal. INIFAP. Ciencia Forestal en

México 20 (77). pp. 193 – 218.

Salas y Chuvieco (1995). Aplicación de imágenes

Landsat TM a la cartografía de modelos de

combustible. Revista de Teledetección, 5: 18-28.

Sánchez, J.; Zerecero, G. 1983. Método práctico para

calcular la cantidad de combustibles leñosos y

hojarasca. Nota Divulgativa No. 9. CIFONOR, INIF,

SARH. México. 14 pp.

Sunar, F., y Özkan, C. (2001). Análisis de incendios

forestales con datos de teledetección. Revista

Internacional de Teledetección , 22 (12), 2265-2277.

Van Wagner, C.E., 1968. The line intersect method in

forest fuel sampling. For. Sci. 14, 20-26.

Van Wagner, C.E., 1982. Practical aspects of the line

intersect method (Information Report PI-X-12).

Canadian Forestry Service, Petawawa National

Forestry Institute. Chalk River, Ontario, Canada.

Warren, W.G., Olsen, P.F., 1964. A Line Intersect

Technique for Assessing Logging Waste. For. Sci.

10, 267-276.

Zárate, R. R., Martínez, A. J. G., Rodríguez-Laguna, R.,

Morales, C. C. M., & Sandoval, O. A. (2013).

Estimación de biomasa y carbono almacenado en

árboles de oyamel afectados por el fuego en el

Parque Nacional" El Chico", Hidalgo, México.

Madera y bosques, 19(2), 73-86.

Zapata P. C. (1991). Determinación de indicadores de

peligro potencial de incendios forestales con base en

la cuantificación del material combustible.

Seminario de Titulación. DICIFO, UACH.

Chapingo, Méx.

Índice de peligro de incendio forestal en el ......los estudios de evaluación y cuantificación de...

Documents