Memorias del Cuarto Simposio Internacional Sobre Políticas, Planificación y Economía de los Incendios Forestales: Cambio Climático e Incendios Forestales

Modelación de la Carga de Combustibles a Partir de Atributos Dasométricos en Bosques Templados del Norte de México1 Maricela Morales-Soto2 y Marín Pompa-Garcia2 Resumen El estudio de los combustibles constituye un factor clave para definir la vulnerabilidad de los ecosistemas a los incendios forestales. El objetivo de este trabajo fue modelar la carga de combustibles muertos en función de atributos dasométricos provenientes de los inventarios de manejo forestal. Se realizó un análisis gráfico de dispersión y a partir de tendencias explicativas entre las variables consideradas se efectuó un análisis de correlación mediante el método paso a paso (stepwise) del programa SAS. Los resultados mostraron que la profundidad de hojarasca, las existencias reales totales y las intensidades de corta, explican mayormente la carga de combustibles muertos como variables dependientes. Además de discutir las bondades estadísticas de los modelos estudiados se concluye que los datos de inventarios de programas de manejo constituyen una alternativa eficiente y de bajo costo para estimar las cargas de combustibles forestales. Palabras clave: inventarios, incendios forestales, relaciones alométricas.

Introducción Se considera como combustible forestal todo material vegetal inflamable. Los combustibles forestales se dividen en vivos y muertos; los combustibles muertos son toda biomasa que se encuentra sobre el suelo; los combustibles vivos están formados por plantas herbáceas, arbustos y el arbolado Wong y Villers (2007). Los combustibles muertos a su vez se dividen de acuerdo a su peso en combustibles ligeros y combustibles pesados. También se clasifican de acuerdo al lugar en que se encuentran dentro de un sitio en: combustibles terrestres, combustibles superficiales y combustibles aéreos (Rentaría y otros 2005).

1

Una versión abreviada de este trabajo se presentó en el Cuarto Simposio Internacional sobre Políticas, Planificación y Economía de Incendios Forestales: Cambio Climático e Incendios Forestales, noviembre 5-11 de 2012, Ciudad de México, México. 2 Respectivamente, Tesista de Maestría y Profesor- investigador, Facultad de Ciencias, Universidad Juárez del Estado de Durango (UJED), Río Papaloapan y Blvd Durango s/n Col. Valle del Sur. Email: [email protected], y [email protected] respectivamente.

297

GENERAL TECHNICAL REPORT PSW-GTR-245

El combustible forestal es uno de los principales elementos involucrados en la ocurrencia de un incendio forestal y constituye un factor muy importante para definir el peligro de incendios forestales, ya que el grado de peligro está en función de la cantidad y del tipo de material combustible presente en cada una de las áreas forestales (Rentería y otros 2005). Es sabido que la intensidad de un incendio cambia de acuerdo al tipo de material combustible al que se vaya desplazando. Por esto es esencial el levantamiento de inventarios de combustibles forestales muertos que se realizan en la actualidad. Una de las técnicas más conocidas es la de intersecciones planares descrita por Brown en 1974, quien menciona que éste método se puede aplicar en cualquier tipo de bosque. Consiste en el conteo de las intersecciones de las piezas leñosas en planos verticales. Sobre la base de este muestreo se estima el volumen, y el peso se calcula con base en el volumen y la aplicación de estimadores de gravedad específica del material leñoso. Desafortunadamente ésta técnica tiene el inconveniente que los datos se deben tomar in situ, por lo tanto se requiere dedicar bastante tiempo, esfuerzo y dinero. Por esta razón, los terrenos forestales en los que se hace la cuantificación de combustibles muertos son muy escasos. Y de aquellos que se tiene información, después de cierto tiempo dicha información estará limitada, puesto que la carga de combustible es dinámica. La regresión stepwise es un método que facilita relacionar variables entre sí; ésta permite obtener una ecuación para predecir el valor de la variable dependiente una vez conocidos los valores de la variable independiente. Éste método es una herramienta útil, fácil y rápida en el cálculo de material combustible muerto a partir de material combustible vivo, que puede ser desarrollada en todos aquellos predios de los que se tenga información de inventarios forestales, puesto que se contará con las variables dependientes (combustible muerto) y las variables independientes (datos dasométricos) necesarias para su aplicación. El presente trabajo tiene como objetivo estimar el material combustible muerto a partir de material combustible vivo mediante relaciones alométricas, teniendo como hipótesis la existencia de correlación entre la variable dependiente con las explicativas.

Materiales y métodos Descripción del área de estudio El área de estudio seleccionada, se ubica geográficamente al suroeste del estado de Durango. Sus coordenadas geográficas están entre los 23° 07' y 23° 39' latitud norte y los 105° 12' y 105° 46' de longitud al oeste. Cuenta con una superficie total de 298

Memorias del Cuarto Simposio Internacional Sobre Políticas, Planificación y Economía de los Incendios Forestales: Cambio Climático e Incendios Forestales

240,739 ha, con una topografía accidentada en un sistema de topoforma de mesetas asociadas con cañadas y altitud desde 500 a 2,800 msnm. Los suelos tienen su origen en el intemperismo de rocas ígneas. Los principales usos del suelo son el agrícola, el pecuario y el forestal (Meraz 1998). La mayoría de los ecosistemas son de propiedad comunal, aunque existen algunos de propiedad privada. Los climas presentes son: C(w2), templado, subhúmedo, lluvias de verano del 5 al 10.2 por ciento anual; (A)C(w2), semicálido, templado subhúmedo, lluvias de verano del 5 al 10.2 por ciento anual; Cb'(w2), templado, semifrío, con verano fresco largo, subhúmedo, lluvias de verano del 5 al 10.2 por ciento anual; Aw1, cálido subhúmedo, lluvias de verano del 5 al 10.2 por ciento anual; C(w2), templado, subhúmedo, lluvias de verano del 5 al 10.2 por ciento anual (Pompa 2012), (Figura 1).

Figura 1—Localización del Ejido Pueblo Nuevo, Durango

Metodología A partir de la disposición de datos dasométricos tales como: carga de hojarasca (Mg/ha-1); combustibles leñosos ligeros, medianos y pesados (Mg/ha-1); pendiente (por ciento); altura media de Pinus (m); remoción promedio (m3); diámetro cuadrático de encino y pino (cm); intensidades de corta de pinos y encinos(por ciento); porcentaje de encino, de coníferas y hojosas; existencias reales de cada una de las especies (número de individuos); IMA total y nivel de productividad de los 299

GENERAL TECHNICAL REPORT PSW-GTR-245

rodales, obtenidos del inventario de manejo forestal del Ejido Pueblo Nuevo Durango, se realizó un análisis gráfico de dispersión del material combustible muerto con cada una de las variables de material combustible vivo, en el cual se identificaron tendencias de mayor relación a la carga de combustibles muertos. Una vez identificadas las variables con mayor aportación, se procesaron mediante el método paso a paso (stepwise) del programa SAS, para analizar las relaciones espaciales de la variable dependiente (combustible muerto) con las variables independientes (combustible vivo). Los modelos utilizados para la estimación de la carga de los combustibles muertos fueron los siguientes (tabla 1). Tabla 1—Modelos utilizados para la estimación de la carga de combustibles Modelo (1)

H=β1*P+β2*A+β3*R+β4*DQ+β5*ICP+β6*ICM

(2)

T=β1*H+β2*DQ

(3)

LP=β1*H+β2*ICQ

(4)

PES=β1*DP

(5)

LP=β1*OC+β2*DQ

(6)

c3=β1*OC+β2*DQ

(7)

c2=β1*OC+β2*DQ

(8)

c1=β1*DQ

Donde β1, β2, β3, β4, β5, β6 son parámetros de regresión, H es la carga de hojarasca (Mg/ha-1), P es la pendiente (por ciento), A es la altura media de Pinus (m), R es la remoción promedio (m3), DQ es el diámetro cuadrático de Quercus (cm), ICP es la intensidad de corta de pino (por ciento), ICM es la intensidad de corta promedio de Pinus (por ciento), T es la carga total (Mg/ha-1), LP es la sumatoria de la carga de combustibles leñosos ligeros, medianos y pesados (Mg/ha-1), ICQ es la intensidad de corta de Quercus (por ciento), PES es la carga de combustibles leñosos pesados (Mg/ha-1), DP es el diámetro cuadrático de pino (cm), OC es el número total de otras coníferas (número de individuos), C1, C2, C3 son las cargas de categorías de combustibles leñosos con 1, 10 y 100 h de TR, respectivamente (Mg/ha-1). El criterio empleado para evaluar la bondad de ajuste del modelo se basará en un análisis numérico consistente en la comparación de tres estadísticos utilizados con frecuencia en el modelaje forestal: 1) el sesgo ( E ), que evalúa la desviación del modelo con respecto a los valores observados; 2) la raíz del error medio cuadrático (REMC), que analiza la precisión de las estimaciones, y 3) el coeficiente de

300

Memorias del Cuarto Simposio Internacional Sobre Políticas, Planificación y Economía de los Incendios Forestales: Cambio Climático e Incendios Forestales

determinación ajustado R2adj, que representa la parte de la varianza explicada por el modelo, teniendo en cuenta el número de parámetros de éste. Sus expresiones son: Sesgo: n

E   ( y i  yˆ i ) / n i 1

(1)

Raíz del error medio cuadrático:

REMC 

n

 y i 1

 yˆ i  /( n  p ) 2

i

(2)

Coeficiente de determinación ajustado: n

n

i 1

i 1

2 Radj 1 - (n 1)  ( yi  yˆ i ) 2 /(n  p)  ( yi  yi ) 2

Donde

y i , yˆ i

y

(3)

y son el valor observado, estimado y medio de la variable

dependiente, respectivamente, n es el número total de observaciones usadas para ajustar el modelo, y p es el número de parámetros del modelo.

Resultados y discusión  De acuerdo con los estadísticos de ajuste obtenidos mediante el método paso a paso (stepwise), las variables independientes que explican mayormente la influencia de carga de combustibles muertos son: intensidad de corta de pino y encino, las existencias reales totales de pino, encino y otras hojosas y la profundidad de hojarasca (tabla 2). En la tabla 2, los resultados muestran errores estándar cercanos a cero y R2 confiables, lo que nos indica que hay una correlación aceptable entre las variables independientes con las dependientes. Es importante mencionar que aunque algunos modelos (2, 3, 4, 5, 6, 7 y 8) tienen menor número de parámetros sus resultados son igualmente confiables a los modelos con un mayor número. Como se observa en los modelos 1 y 2 que aunque difieren en cantidad de parámetros estimados la variable calculada es la misma y sus resultados son semejantes.

301

GENERAL TECHNICAL REPORT PSW-GTR-245

Tabla 2. Modelos estimados de combustibles muertos a partir de combustibles vivos. Modelo

Parámetros

Estimación

Error estándar

(1)

β1

-0.084

0.018

H=β1*P+β2*A+β3*R+β4*DQ+

β2

0.377

0.071

β5*ICP+β6*ICM

β3

31.250

5.375

β4

0.162

0.027

β5

-0.066

0.015

β6

-2.149

0.393

β1

1.053

0.173

β2

0.413

0.044

β1

1.120

0.128

β2

0.104

0.027

(4) PES=β1*DP

β1

0.308

(5) LP=β1*OC+β2*DQ

β1

(2) T=β1*H+β2*DQ (3) LP=β1*H+β2*ICQ

(6) c3=β1*OC+β2*DQ (7) c2=β1*OC+β2*DQ (8) c1=β1*DQ

Estadísticos de ajuste REMC R2adj. 4.363

0.761

15.635

0.683

17.100

0.371

0.026

14.818

0.269

0.106

0.018

5.729

0.554

β2

0.149

0.009

β1

0.052

0.009

2.847

0.520

β2

0.068

0.004

β1

0.052

0.009

2.847

0.520

β2

0.068

0.004

β1

0.013

0.0008

0.595

0.380

En el modelo 1 cantidad de hojarasca, se tienen errores estándar cercanos a cero y los estadísticos de ajuste arrojan una R2 de 0.761 lo que indica que hay una buena correlación entre la hojarasca y las variables dependientes. En el modelo 2 carga total de combustibles de igual manera nos arroja errores estándar cercanos a cero, con una R2 de 0.683. Los resultados manifiestan que ambos modelos arrojan datos estadísticamente confiables aun y cuando difieren en el número de parámetros estimados. Por otro lado los modelos demuestran que los factores principales de la concentración de los combustibles forestales están en función de los desperdicios generados durante los tratamientos de cortas, y por las existencias reales totales, tal como lo expone en su trabajo (Rentería y otros 2005). De acuerdo con los resultados obtenidos, las variables intensidad de corta, existencias reales totales y profundidad de hojarasca, pueden ser usadas de manera confiable en el cálculo de carga de combustible, no obstante su clasificación se dificulta en términos de dimensiones (ligeros, medianos y pesados) y lugar en que se 302

Memorias del Cuarto Simposio Internacional Sobre Políticas, Planificación y Economía de los Incendios Forestales: Cambio Climático e Incendios Forestales

encuentren (terrestres, superficiales y aéreos). Para Flores y Omi, (2003), su estimación constituye una estrategia útil para identificar las áreas con mayor susceptibilidad de ocurrencia de incendios forestales, y de esta manera dirigir estrategias de prevención, control y combate de estos. Esto es coincidente con Estrada y Ángeles (2007), quiénes mencionan que los valores obtenidos durante cualquier evaluación de combustibles forestales pueden servir como base para la elaboración de mapas de riesgo de incendio forestal al conjugar otros parámetros. Adicionalmente mediante este método no es necesaria la realización de un inventario de combustibles forestales que requiere tiempo, trabajo y financiamiento. Los datos de combustibles se podrán actualizar a la vez que se actualice el inventario forestal.

Conclusión La carga de combustibles muertos se puede calcular a partir de combustibles vivos mediante técnicas estadísticamente sustentadas de correlación de datos dasométricos. En el presente trabajo las variables que mejor explicaron a los modelos fueron: intensidad de corta, existencias reales totales y profundidad de hojarasca. Se determinó que este método de correlación constituye una herramienta rápida, viable y eficiente puesto que las variables dependientes se toman a partir de datos de inventario ya existentes. Así mismo puede constituir una herramienta en el modelado de peligro de incendios, regímenes y estrategias de manejo del fuego.

Agradecimientos Se agradece a la responsiva técnica, al Ejido pueblo Nuevo por la disposición de información para la realización del presente trabajo. Así mismo, se agradecen las observaciones y sugerencias al manuscrito original al Dr. Dante A. Rodríguez.

Referencias Brown, J. 1974. Handbook for inventorying downed woody material. USDA Forest Service. General Technical Report INT – 16. Utah, USA. 24 p. Estrada, I.; Ángeles, E.R. 2007. Evaluación de combustibles forestales en el parque nacional El Chico Hidalgo Sevilla España. Wildfire. 1-19 p. Flores, J.G.; Omi, P. N. 2003. Mapping forest fuels for spatial fire behavior simulation using geomatic strategies. Agrociencia. Colegio de postgraduados. 37(001): 65-72. Meraz, R. 1998. Programa de manejo forestal ciclo de corta 1997-2007. Servicio Técnicos Forestales del Ejido Forestal Pueblo Nuevo. 215 p. Pompa, M. 2012. Sistema de información geográfica de los ecosistemas de Durango. Disponible en http://www.ujed.mx/sigeed/Inicio.aspx. Consultado el 17 de febrero de 2012.

303

GENERAL TECHNICAL REPORT PSW-GTR-245

Rentería, J.B.; Treviño E.J.; Návar, J. de J.; Aguirre, O.A.; Cantú, I. 2005. Caracterización de combustibles leñosos en el Ejido Pueblo Nuevo, Durango. Revista Chapingo. Universidad autónoma Chapingo 11(001): 51-56. Wong, J.C.; Villers, M.L. 2007. Evaluación de combustibles y su disponibilidad en incendios forestales: un estudio en el parque nacional la Malinche. Universidad Nacional Autónoma.

304