Notas:
|
Els incendis forestals constitueixen una de les majors pertorbacions ecològiques a nivell mundial i, especialment, a les regions mediterrànies. Per anticipar-se a situacions de perill, aquest treball proposa l’aplicació espacial d’un índex de risc d’incendis forestals definit pel contingut mínim d’humitat dels combustibles fins morts (FM) i la relació existent amb l’àrea cremada després d’un incendi. El model emprat per predir FM requereix, únicament, del dèficit de pressió de vapor, llur valor s’obté de les dades en quadrícula de temperatura i humitat relativa. Per
Universitat de Lleida
obtenir això, es van provar les següents tècniques d’interpolació: regressió lineal (RL),
ponderació per l’invers de la distància (IDW) i kriging ordinari (OK). Dins de la RL es van
avaluar dues funcions diferents (RL1 i RL2) amb l’elevació, la latitud i la longitud com a
variables d’entrada. L’estudi es va realitzar en el territori espanyol de la Península Ibèrica i
les Illes Balears, i durant juny i juliol de 2018. Els millors resultats es van obtenir amb la
tècnica d’OK amb enfocament localitzat. El producte final és una aplicació automatitzada de
predicció de FM que busca ser operativa entre els cossos d’extinció d’incendis forestals.
Los incendios forestales constituyen una de las mayores perturbaciones ecológicos a nivel
mundial y, en especial, en las regiones mediterráneas. Para anticiparse a situaciones de peligro,
este trabajo propone la aplicación espacial de un índice de riesgo de incendios forestales definido
por el contenido mínimo de humedad de los combustibles finos muertos (FM) y la relación
existente con el área quemada tras un incendio. El modelo empleado para predecir FM requiere
únicamente del déficit de presión de vapor, cuyo valor se obtiene de los datos en cuadrícula de
temperatura y humedad relativa. Para ello, se probaron las siguientes técnicas de interpolación:
regresión lineal (RL), ponderación por el inverso de la distancia (IDW) y kriging ordinario
(OK). Dentro de la RL se evaluaron dos funciones diferentes (RL1 y RL2) con la elevación, la
latitud y la longitud como variables de entrada. El estudio se realizó en el territorio español de
la Península Ibérica y las Islas Baleares, y durante junio y julio de 2018. Los mejores resultados
se obtuvieron con la técnica de OK con enfoque localizado. El producto final es un aplicativo
automatizado de predicción de FM que busca ser operativo entre los cuerpos de extinción de
incendios forestales.
Forest fires constitute one of the greatest ecological disturbances worldwide and, especially, in
the Mediterranean regions. To anticipate situations of danger, this project suggests the spatial
application of a forest fire risk index defined by the minimum moisture content of dead fine
fuels (FM) and the existing relationship with the area burned after a fire. The model used to
predict FM only requires the vapor pressure deficit, which value is obtained from the gridded
temperature and relative humidity data. For this, the following interpolation techniques were
tested: linear regression (RL), inverse distance weighted (IDW) and ordinary kriging (OK).
Within the RL, two different functions (RL1 and RL2) were evaluated with elevation, latitude
and longitude as input variables. The study was conducted in the Spanish territory of the
Iberian Peninsula and the Balearic Islands during June and July 2018. The best results were
obtained with the OK technique through localized approach. The final product is an automated
FM prediction application that seeks to be operative among forest firefighting bodies. |