Ana Daría Ruiz González y Stefano Arellano PérezUNIVERSIDAD DE SANTIAGO DE COMPOSTELA

Escuela Politécnica Superior (Lugo)

Unidad de Gestión Forestal Sostenible (UXFS)

http://www.usc.es/uxfs/

XXXVIII Foro INIA “Incendios Forestales”Madrid, 30 de Noviembre de 2016

Sesión II: Prevención de Incendios

NUEVOS SISTEMAS DE CUANTIFICACIÓN DEL

COMBUSTIBLE FORESTAL

Ana Daría Ruiz González y Stefano Arellano PérezUNIVERSIDAD DE SANTIAGO DE COMPOSTELA

Escuela Politécnica Superior (Lugo)

Unidad de Gestión Forestal Sostenible (UXFS)

http://www.usc.es/uxfs/

Equipo investigador en incendios:

• Tres especialistas en incendios

• Dos especialistas en modelización

• Un especialista en teledetección

• Un experto en LiDAR

Relaciones con otros equipos:

• CIF de Lourizán (Pontevedra)

• INIA-CIFOR

• Universidad de Córdoba

• Universidad de Castilla-La Mancha

• Empresa AGRESTA

• Universidad de León

• CETEMAS (Asturias)

• Universidad de Oviedo

Proyectos vigentes relacionados:

RTA2014-00011-C06 (GEPRIF). Reducción

de la severidad del fuego mediante

nuevas herramientas y tecnologías para

la gestión integrada de la protección

contra los incendios forestales.

AGL2013-46028-R (SCALIFOR). La gestión

forestal frente a los cambios en la

dinámica de los ecosistemas forestales:

un enfoque multiescala.

HORIZONTE 2020-633464 (DIABOLO).

Distributed, integrated and harmonised

forest information for bioeconomy

outlooks.

DESCRIPCIÓN DE LA RED

1. Modelización de los combustibles de copa con los siguientes objetivos:

Obtener los valores de CBD y CBH de rodales de especies de pino

en Galicia usando las parcelas del IFN y, relacionar los valores

obtenidos con variables de rodal sencillas de medir en campo.

Obtener reglas sencillas de clasificación del riesgo potencial de fuego

de copas en rodales de pino en función de variables sencillas de

medir en campo.

Desarrollar modelos que permitan estimar los valores de CBD y CBH

a partir de datos LiDAR.

2. Caracterización detallada de combustibles

Foto-guía de combustibles forestales de Galicia

LÍNEAS DE INVESTIGACIÓN

IV IFN (2010): 1.396 parcelas (49.664 árboles)

DESCRIPCIÓN DE LA REDRESULTADOS

Especie Modelo b3 b4 b5 ME RMSE

Pino pinaster 54

3

bb NGbCBD 0.0019 1.0229 0.1223 0.8243 0.0327

Pino radiata 54

3

bb NGbCBD 0.0042 0.6452 0.1458 0.7414 0.0276

Pino silvestre 54

3

bb NGbCBD 0.0033 0.5116 0.3621 0.9079 0.0351

Mezcla pinos 54

03

bb HGbCBD 0.0144 1.4820 -0.9876 0.7710 0.0375

Especie Modelo b6 b7 b8 ME RMSE

Pino pinaster 87

06

bbNHbCBH 0.2027 1.3617 -0.0590 0.6942 2.0874

Pino radiata 87

06

bbGHbCBH 0.0348 1.4252 0.2858 0.8894 1.1866

Pino silvestre 87

06

bbGHbCBH 0.0506 1.6610 0.1177 0.9726 0.5565

Mezcla pinos 87

06

bbGHbCBH 0.0653 1.4224 0.1542 0.7991 1.5652

1.1 Obtener los valores de CBD y CBH de rodales de especies de pino en Galicia

usando las parcelas del IFN y, relacionar los valores obtenidos con variables de

rodal sencillas de medir en campo.

Fernández-Alonso et al (2013). Canopy fuel characteristics in relation to crown fire potential in pine

stands: analysis, modelling and classification. European Journal of Forest Research 132: 363-377.

• IV IFN (2010): 1.396 parcelas (49.664 árboles)

• Modelos de probabilidad de ignición1 y de propagación de fuego de copas2

• Datos de combustibles propios de Galicia

• Tres condiciones de quema

DESCRIPCIÓN DE LA REDRESULTADOS

1.2 Obtener reglas sencillas de clasificación del riesgo potencial de fuego de copas en

pinares en función de variables sencillas de medir en campo.

1 Cruz, M.G.; Alexander, M.E.; Wakimoto, R.H. 2004. Modeling the likelihood of crown fire occurrence in conifer forest stands. Forest

Science 50: 640-658.

2 Cruz, M.G.; Alexander, M.E.; Wakimoto, R.H. 2005. Development and testing of models for predicting crown fire rate of spread in

conifer forest stands. Canadian Journal of Forest Research 35: 1626-1639.

SI NO

SI NO SI NO

SI NO

SI NO

¿Condiciones extremas o moderadas?

ACTIVO ¿G>= 32.54 m2/ha?

¿Condiciones extremas? PASIVO

ACTIVO PASIVO

¿G >=14.72 m2/ha? ¿H 0<10.34 m?

PASIVO SUPERFICIE

Condiciones H.C.muerto(%)

V10m(km/h)

% Con. Com.Sup

Bajas 14 10 30

Moderadas 10 20 60

Extremas 6 30 90

Especie Variable Modelo b0 b1 b2 ME RMSE

Pino

maritimo

Canopy Fuel

Load

(CFL)

21

990

b

hmedia

bPFRAhbCFL 0.0441 0.8991 0.0733 0.4134 0.3145

Canopy Base

Height

(CBH)

1

990

bhbCBH 0.4665 0.9429 --- 0.4876 2.5559

Altura media

(H) 9910 hbbh 4.5684 0.5368 --- 0.6216 2.7192

Pino

radiata

Canopy Fuel

Load

(CFL)

21

990

b

hmedia

bPFRAhbCFL 0.0472 0.8508 0.1215 0.4527 0.2938

Canopy Base

Height

(CBH)

1

990

bhbCBH 0.0929 1.4303 --- 0.6777 1.7978

Altura media

(H) 9910 hbbh 3.8151 0.6573 --- 0.6505 2.9105

DESCRIPCIÓN DE LA REDRESULTADOS

1.3 Modelos para estimar los valores de CBD y CBH a partir de datos LiDAR

• IV IFN (2010): 554 parcelas

• Vuelo LiDAR del PNOA con una densidad de 0,5 pulsos/m2

Donde h99 es el percentil del 99% de las alturas de los datos LiDAR y PFRAhmedia es el cociente

entre el número de primeros retornos sobre la media y el número total de primeros retornos.

DESCRIPCIÓN DE LA REDRESULTADOS

2 Foto-guía de combustibles forestales de Galicia

¿En que consiste?

• Sistema de clasificación visual

• Primera evaluación de las características estructurales de los combustibles

(h, W, CBD, FCC)

• Caracterización del dosel arbóreo

• Se enlaza con modelos empíricos de predicción de comportamiento de fuego

desarrollados en el CIF

• Integración de la dinámica del FS y el FC con el nivel de conocimiento que

actualmente existe – destacamos la propensión de copas

¿Cómo se han clasificado las situaciones de combustibles?

56 matorrales

6 helechales

4 pastizales

150 situaciones de combustibles

47 pinares

17 eucaliptares

20 masas

de frondosas

¿Cómo está estructurada la información?

• Cartografiar los combustibles

• Mapas de riesgo

• Determinar zonas prioritarias de actuación

• Apoyo a quemas prescritas

• Evaluar también los resultados de las

intervenciones

• Incrementar la fiabilidad de los simuladores

Aplicaciones de la foto guía de combustibles de Galicia

Prevención y extinción Investigación y formación

• Ajuste de modelos de características de combustibles a partir de variables de más fácil medición

• Base para testar las nuevas tecnologías (LIDAR, laser terrestre, dron ) sin necesidad de realizar inventarios destructivos (Proyecto: GEPRIF)

• Utilidad didáctica a todos los niveles (Académico, administración)

• Aplicación pagina web base datos electrónico tipo Digital Photo Series

• Sistema abierto que permite incorporación de nuevas situaciones