Factors that influence the probability of occurrence of forest fires in Ecuador
Article Sidebar
Main Article Content
Abstract
Los incendios forestales son un problema ambiental y socioeconómico, cuya frecuencia y área afectada se han visto en aumento por el calentamiento global y las actividades antropogénicas que se desarrollan en el territorio. Como parte de los programas de prevención, es necesario identificar y limitar las áreas susceptibles a incendios forestales para la priorización de recursos por parte de los entes encargados. Los sistemas de información geográfica y MaXent (modelos de entropía máxima) son usados para este fin. En el presente estudio se realizó un modelo en base a datos georreferenciados de la plataforma Active fire data del periodo 2012-2018 y variables del entorno. El modelo obtenido identificó que la variable distancia a zonas antrópicas es la de mayor importancia y con ello el predictor más susceptible a un incendio forestal en el Cantón Loja, seguida de las variables climáticas temperatura mínima en el mes más frío y la precipitación en el trimestre más seco; estas tres variables coinciden dentro de las características que se señalan en los pocos estudios encontrados y por entidades públicas a nivel nacional. Se analizó de forma superficial el tiempo de llegada del Cuerpo de Bomberos a las áreas identificadas como susceptibles, obteniéndose que casi el 99.96% de estas se encuentran fuera del tiempo de atención óptimo (5min) y un 32.94% están dentro del radio de acción de 7km, lo cual tiene injerencia negativa en el control de un incendio forestal.
Downloads
Metrics
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Amatulli, G., Rodrigues, M.,Trombetti, M. y Lovreglio, R., 2006. Assessing long-term fire risk at local scale by means of decision tree technique, Journal of Geophysical Research: Biogeosciences, 111(4), pp. 1-15. doi: 10.1029/2005JG000133.
Aponte, F., 2016. Accesibilidad de los organismos de socorro en la ciudad de Santiago de Calí y su impacto en la población (Tesis de maestría. Universidad Pedagógica y Tecnológica de Colombia. Disponible en: https://ciaf.igac.gov.co/sites/ciaf.igac.gov.co/files/files_ciaf/UPTC2017-01.pdf.
Armenteras, D., González, F. y Franco, C., 2009. Distribución geográfica y temporal de incendios en Colombia utilizando datos de anomalías térmicas, Caldasia, 31(2), pp. 303-318. Disponible en: https://revistas.unal.edu.co/index.php/cal/article/view/36107 Accedido: 15 de septiembre de 2019.
Arpaci, A., Malowerschnig, B., Sass, O. y Vacik, H., 2014. Using multi variate data mining techniques for estimating fire susceptibility of Tyrolean forests, Applied Geography. Elsevier Ltd, 53, pp. 258-270. doi: 10.1016/j.apgeog.2014.05.015.
Bar Massada, A., Syphard, A., Stewart, S. y Radeloff, V., 2012. Wildfire ignition-distribution modelling: a comparative study in the Huron-Manistee National Forest, Michigan, USA, International Journal of Wildland Fire, 22(2), pp. 174-183. doi: 10.1071/WF11178.
Bisquert, M., Caselles, E., Sánchez, J. y Caselles, V., 2012. Application of artificial neural networks and logistic regression to the prediction of forest fire danger in Galicia using MODIS data, International Journal of Wildland Fire, 21(8), pp. 1025-1029. doi: 10.1071/WF11105.
Chen, C., Karpatne, A., Chamber, Y., Mithal, V., Lau, M., Steinhaeuser, K., Boriah, S., Steinbach, M. y Kumar, V., 2012. A mew data mining framework for forest fire mapping, en Conference on Intelligent Data Understanding, pp. 771-794. doi: 10.4018/978-1-5225-5191-1.ch033.
Chen, F., Du, Y., Niu, S. y Zhao, J., 2015. Modeling forest lightning fire occurrence in the Daxinganling Mountains of Northeastern China with MAXENT, Forests, 6(5), pp. 1422-1438. doi: 10.3390/f6051422.
Chuvieco, E., Aguado, I., Yerba, M., Nieto, H., Martin, P., Vilar, L., Martínez, J., Padrón, D. Martín, S. y Salas, J., 2007. Generación de un Modelo de Peligro de Incendios Forestales mediante Teledetección y SIG, Teledetrección:Hacia un mejor entendimiento de la dinámica global y regional, pp. 19-26.
Correia, M., 2019. Criterios confiables para la construcción del Modelo de Máxima Entropía - MAXENT - (PARTE 2), 20 de Enero, enero, pp. 8-13. doi: 10.13140/RG.2.2.36673.81769.
Crimmins, M. A., 2006. Synoptic climatology of extreme fire-weather conditions across the southwest United States, International Journal of Climatology, 26(8), pp. 1001-1016. doi: 10.1002/joc.1300.
Díaz-Hormazábal, I. y González, M. E., 2016.Análisis espacio-temporal de incendios forestales en la región del Maule, Chile, Bosque, 37(1), pp. 147-158. doi: 10.4067/S0717-92002016000100014.
Díaz, D., 2018. Medición de accesibilidad geográfica entre centros poblados del Cantón Tena, Ecuador (Tesis de master. Universidad de Salzburgo. Disponible en: https://issuu.com/unigis_latina/docs/diaz_checa Accedido: 20 de octubre de 2019.
Elith, J., Graham, C., Anderson, R., Dudík, M., Ferrier, S., Guisan, A., Hijmans, R., Huettmann, F., Leathwick, J., Lehmann, A., Li, J., Lohmann, L., Loiselle, B., Manion, G., Moritz, C., Nakamura, M., Nakazawa, Y., McC Overton, J., Townsend, A., Phillips, S., Richardson, K., Scachetti-Pereira, R., Soberón, J., Williams, S., Wisz, M., y Zimmermann, N., 2006. Novel methods improve prediction of species’ distributions from occurrence data, ECOGRAPHY, 29(2), pp. 129-151. Disponible en: http://rob.schapire.net/papers/nceas.pdf Accedido: 4 de agosto de 2019.
Eskandari, S. y Chuvieco, E., 2015. Fire danger assessment in Iran based on geospatial information, International Journal of Applied Earth Observation and Geoinformation. Elsevier B.V., 42, pp. 57-64. doi: 10.1016/j.jag.2015.05.006.
Fick, S. y Hijmans, R., 2017. WorldClim - Global Climate Data. Disponible en: http://worldclim.org/version2 Accedido: 15 de julio de 2019.
Fielding, A. H. y Bell, J. F., 1997. A review of methods for the assessment of prediction errors in conservation presence/absence models, Environmental Conservation, 24(1), pp. 38-49. doi: 10.1017/S0376892997000088.
Food and Agriculture Organization of the United Nations, 2000. Communities in Flames: Proceedings of an International Conference on Community Involvement in Fire Management. Editado por Peter Moore et al. Bangkok, Thailand: Regional Office for Asia and the Pacific.Fire Fight South East Asia RAP PUBLICATIONS. Disponible en: http://www.fao.org/3/AC798E/AC798E00.htm Accedido: 1 de agosto de 2020.
Galindo, G., Sarango, J. y Villarroel, V., 2012. Los incendios forestales en el Distrito Metropolitano de Quito. Evaluación 2012. Quito. Disponible en: http://www.quitoambiente.gob.ec/ambiente/phocadownload/patrimonio_natural/Evaluación de los incendios forestales en el 2012.pdf Accedido: 19 de noviembre de 2018.
Garrido, J., Vilar, L., Echavarría, P., Martínez-Vega, J. y Martín, M., 2018. ¿Pueden las interfaces de usos del suelo explicar la ocurrencia de incendios forestales a escala provincial? Los casos de Zamora y Madrid, Geofocus: Revista Internacional de Ciencia y Tecnología de la Información Geográfica, 22, pp. 71-95. doi: http://dx.doi.org/10.21138/GF.611.
Ghomi, A., Farahi, E., Baniasadi, R. y Masoumpoor, F, 1937. Rating and mapping fire hazard in the hardwood Hyrcanian forests using GIS and expert choice software, Acknowledgement to reviewers of the manuscripts submitted to Forestry Ideas, 19(2), pp. 141-150.
Giglio, L., Boschetti, L., Roy, D., Humber, M. y Justice, C, 2018. Remote Sensing of Environment The Collection 6 MODIS burned area mapping algorithm and product, Remote Sensing of Environment. Elsevier, 217(July), pp. 72-85. doi: 10.1016/j.rse.2018.08.005.
Gobierno Autónomo Descentralizado - Municipio de Loja, 2014. Plan de Desarrollo y Ordenamiento Territorial. Loja.
Gobierno Provincial de Loja, 2016. Guía Turística de la provincia de Loja. Prefectura. Editado por D. Cueva. Loja. Disponible en: http://intranet.prefecturaloja.gob.ec/wp-content/uploads/2018/01/turismo.pdf.
Hantson, S., Pueyo, S. y Chuvieco, E., 2014. Global fire size distribution is driven by human impact and climate, Global Ecology and Biogeography, 24(1), pp. 77-86. doi: 10.1111/geb.12246.
Hong, H., Tsangaratos, P., Ilia, I., Liu, J., Zhu, A., y Xu, C., 2018. Applying genetic algorithms to set the optimal combination of forest fire related variables and model forest fire susceptibility based on data mining models. The case of Dayu County, China, Science of the Total Environment. Elsevier B.V., 630, pp. 1044-1056. doi: 10.1016/j.scitotenv.2018.02.278.
Huesca, M., González-Alonso, F. y Cuevas, J., 2009. Distribución espacial y temporal de los incendios forestales en España utilizando datos de anomalías térmicas, en Salomón Montesinos Aranda y Lara Fernandéz Fornos (ed.) Teledetección: Agua y desarrollo sostenible. XIII Congreso de la Asociación Española de Teledetección. Calatayud: 23-26 de septiembre, pp. 309-312. Disponible en: http://www.aet.org.es/congresos/xiii/cal78.pdf Accedido: 15 de septiembre de 2019.
Ibarra-Montoya, J. y Huerta-Martínez, F., 2016. Modelado espacial de incendios: una herramienta predictiva para el Bosque La Primavera, Jalisco México, Revista Ambiente & Agua, 11(1), pp. 35-49. doi: 10.4136/1980-993X.
Instituto Nacional de Meteorología en Hidrología, 2018. Publicaciones Metereológicas. Disponible en: http://www.serviciometeorologico.gob.ec/biblioteca/ Accedido: 5 de agosto de 2019.
Jaiswal, R., Mukherjee, S., Raju, K. y Saxena, R., 2002. Forest fire risk zone mapping from satellite imagery and GIS, International Journal of Applied Earth Observation and Geoinformation, 4(1), pp. 1-10. doi: 10.1016/S0303-2434(02)00006-5.
Jin, S. y Sader, S. A., 2005. MODIS time-series imagery for forest disturbance detection and quantification of. size effects, Remote Sensing of Environment, 99(4), pp. 462-470. doi: 10.1016/j.rse.2005.09.017.
Justice, C., Giglio, L., Korontzi, S., Owens, J., Morisette, J. y Roy, D., 2002. The MODIS fire products, 83, pp. 244-262. doi: doi.org/10.1016/S0034-4257(02)00076-7.
Liu, N., Huang, B. y Chandramouli, M., 2006. Optimal siting of fire stations using GIS and ANT algorithm, Journal of Computing in Civil Engineering, 20(5), pp. 361-369. doi: 10.1061/(ASCE)0887-3801(2006)20:5(361.
Merino-de-Miguel, S., Gonza, F. y Huesca, M., 2011. MODIS Reflectance and Active Fire Data for Burn Mapping in Colombia, Earth Interactions, 15(10), p. 17. doi: 10.1175/2010EI344.1.
National Fire Protection Association, 2018. NFPA 1. Disponible en: https://www.nfpa.org/ Accedido: 5 de noviembre de 2019.
Ngoc Thach, N., Bao-Toan Ngo, D., Xuan-Canh, P., Hong-Thi, N., Hang Thi, B., Nhat-Duc, H. y Dieu, T., 2018. Spatial pattern assessment of tropical forest fire danger at Thuan Chau area (Vietnam) using GIS-based advanced machine learning algorithms: A comparative study, Ecological Informatics. Elsevier B.V, 46, pp. 74-85. doi: 10.1016/j.ecoinf.2018.05.009.
Ocles, M. A., 2008. Secretaría de Gestión de Riesgos, Red Interamericana de Mitigación de Desastres. Disponible en: http://www.rimd.org/organizacion.php?id=189 Accedido: 16 de noviembre de 2019.
Oliveira, S., Oehler, F., San-Miguel-Ayanz, J., Camia, A. y Pereira, J. M., 2012. Modeling spatial patterns of fire occurrence in Mediterranean Europe using Multiple Regression and Random Forest, Forest Ecology and Management. Elsevier B.V., 275, pp. 117-129. doi: 10.1016/j.foreco.2012.03.003.
Parisien, M., Snetsinger, S., Greenberg, J., Nelson, C., Schoennagel, T., Dobrowski, S. y Moritz, M., 2012. Spatial variability in wildfire probability across the western United States, International Journal of Wildland Fire, 21(4), pp. 313-327. doi: 10.1071/WF11044.
Parolo, G., Rossi, G. y Ferrarini, A., 2008. Toward improved species niche modelling: Arnica montana in the Alps as a case study, Journal of Applied Ecology, 45(5), pp. 1410-1418. doi: 10.1111/j.1365-2664.2008.01516.x.
Peterson, A., Egbert, S., Sánchez-Cordero, V. y Price, K., 2000. Geographic analysis of conservation priority: Endemic birds and mammals in Veracruz, Mexico, Biological Conservation, 93(1), pp. 85-94. doi: 10.1016/S0006-3207(99)00074-9.
Phillips, S. J., Anderson, R. P. y Schapire, R. E., 2006. Maximum entropy modeling of species geographic distributions, Ecological Modelling. Elsevier, 190(3-4), pp. 231-259. doi: 10.1016/J.ECOLMODEL.2005.03.026.
Pourghasemi, H. R., 2016. GIS-based forest fire susceptibility mapping in Iran: a comparison between evidential belief function and binary logistic regression models, Scandinavian Journal of Forest Research, 31(1), pp. 80-98. doi: 10.1080/02827581.2015.1052750.
Renard, Q., Ṕlissier, R., Ramesh, B. y Kodandapani, N., 2012. Environmental susceptibility model for predicting forest fire occurrence in the Western Ghats of India, International Journal of Wildland Fire, 21(4), pp. 368-379. doi: 10.1071/WF10109.
Rodriguez Montellano, A., 2012. Cartografía multitemporal de quemas e incendios forestales en Bolivia: Detección y validación post-incendio, Ecología en Bolivia, 47(1), pp. 53-71. Disponible en: https://url2.cl/9mvCr Accedido: 12 de noviembre de 2019.
Roteta, E., Bastarrika, A., Padilla, M., Storm, T. y Chuvieco, E., 2019. Development of a Sentinel-2 burned area algorithm: Generation of a small fire database for sub-Saharan Africa, Remote Sensing of Environment. Elsevier Inc., 222, pp. 1-17. doi: 10.1016/j.rse.2018.12.011.
Running, S. W., 2006. Is global warming causing more, larger wildfires?, Science, 313(5789), pp. 927-928. doi: 10.1126/science.1130370.
Sachdeva, S., Bhatia, T. y Verma, A. K., 2018. GIS-based evolutionary optimized Gradient Boosted Decision Trees for forest fire susceptibility mapping, Natural Hazards. Springer Netherlands, 92(3), pp. 1399-1418. doi: 10.1007/s11069-018-3256-5.
Satchet, M. S., Muhammad-Ali, A. H., Khalaf, Y. H., Jaber, A. S. y Wanas, S. K., 2018. Assessment And Development of the Spatial Coverage of Fire Service in Nasiriyah City by Using Geographic Information Systems (GIS), International Journal of Civil Engineering and Technology (IJCIET), 9(7), pp. 936–947. Disponible en: https://url2.cl/ELtz4 Accedido: 18 de noviembre de 2019.
Savsar, M., 2014. Fire station location analysis in a metropolitan area, International Journal of Industrial and Systems Engineering. Inderscience Enterprises Ltd., 16(3), pp. 365-381. doi: 10.1504/IJISE.2014.060134.
Secretaría Nacional de Gestión de Riesgos y Emergencias, 2017. Propuesta Metdológica. Susceptibilidad a Incendios Forestales. Quito.
Secretaría Nacional de Gestión de Riesgos y Emergencias, 2016. Guía operativa para la organización y funcionamiento de los cuerpos de bomberos a nivel nacional. Samborondón. Disponible en: https://url2.cl/NSkwi Accedido: 13 de noviembre de 2018.
Soto, F., 2017. Cartografía, evaluación y seguimiento de incendios forestales de la zona sur del Ecuador usando datos satelitales (Tesis de pregrado. Universidad Técnica Particular de Loja.
Stockwell, D. R. B. y Peterson, A. T., 2002. Effects of sample size on accuracy of species distribution models, Ecological Modelling, 148(1), pp. 1-13. doi: 10.1016/S0304-3800(01)00388-X.
Sturtevant, B. R. y Cleland, D. T., 2007. Human and biophysical factors influencing modern fire disturbance in northern Wisconsin, International Journal of Wildland Fire, 16(4), pp. 398-413. doi: 10.1071/WF06023.
Syphard, A., Radeloff, V., Keeley, J., Hawbaker, T., Clayton, M., Stewart, S. y Hammer, R., 2007. Human influence on California fire regimes, Ecological Applications, 17(5), pp. 1388-1402. doi: 10.1890/06-1128.1.
Tien Bui, D., Bui, Q., Nguyen, Q., Pradhan, B., Nampak, H. y Trinh, P., 2017. A hybrid artificial intelligence approach using GIS-based neural-fuzzy inference system and particle swarm optimization for forest fire susceptibility modeling at a tropical area, Agricultural and Forest Meteorology. Elsevier B.V., 233, pp. 32-44. doi: 10.1016/j.agrformet.2016.11.002.
Vilar del Hoyo, L., Gómez Nieto, I., Martín Isabel, M. y Martínez Vega, F., 2007. Análisis comparativo de diferentes métodos para la obtención de modelos de riesgo humano de incendios forestales, Proceeding of IV international wildfire conference, pp. 13-17. Disponible en: https://url2.cl/35X91 Accedido: 20 de octubre de 2019.
Welsh, A., Cunningham, R., Donnelly, C. y Lindenmayer, D., 1996. Modelling the abundance of rare species: Statistical models for counts with extra zeros, Ecological Modelling, 88(1-3), pp. 297-308. doi: 10.1016/0304-3800(95)00113-1.
Zhang, G., Wang, M. y Liu, K., 2019. Forest Fire Susceptibility Modeling Using a Convolutional Neural Network for Yunnan Province of China, International Journal of Disaster Risk Science. Beijing Normal University Press, 10(3), pp. 386-403. doi: 10.1007/s13753-019-00233-1.
Zhang, W. y Jiang, J., 2012. Research on the location of fire station based on GIS and GA, Applied Mechanics and Materials, 130-134, pp. 377-380. doi: 10.4028/www.scientific.net/AMM.130-134.377.