incendios forestales - aplicación de un modelo diario de riesgo de incendio
DESCRIPTION
Uploaded from Google DocsTRANSCRIPT
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.