Incendios Forestales - Aplicación de Un Modelo Diario de Riesgo de Incendio

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
2
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
3
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
4
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
5
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
6
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.
7
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 Orientaciones presentes en la cuadrícula
O1 Llano En la fase de
O2 Norte análisis se ha
O3 Este considerado la clase
O4 Sur O1 (llano).
O5 Oeste
Clase Superficie ocupada según las clases de pendientes
P1 0pct-5pct Porcentaje de
P2 5pct-15pct superficie ocupada
P3 15pct-30pct por cada clase.
P4 30pct
Distancia media por cuadrícula autopistas y carreteras
Vias1 Metros
nacionales
Distancia media por cuadrícula carreteras asfaltadas (sin
Vias2 Metros
considerar autopistas y carreteras nacionales)
Distancia media por cuadrícula carreteras no asfaltadas,
Vias3 Metros
considerando como tales las pistas los caminos
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
Porcentaje de
P-PEIN Superficie ocupada por área PEIN-protegida
superficie ocupada.
Mod2, Mod3, Mod4, Porcentaje de
Mod5, Mod6, Mod7, Superficie ocupada por cada modelo de combustible superficie ocupada
Mod8, Mod9, Mod10 por cada modelo.
8
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
Humedad del Combustible Fino muerto,
HCFM Porcentaje, 0-100pct
Probabilidad de Ignición de DGCN
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
9
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.
10
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.
11
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
12
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.
260000 280000 300000 320000 340000 360000 380000 400000 420000 440000 460000 480000 500000 520000 540000
Fig. 3. 1.a. Malla guía que se usará como MALLA GUIA (10x10km)
4500000 4520000 4540000 4560000 4580000 4600000 4620000 4640000 4660000 4680000 4700000 4720000 4740000 4760000
4500000 4520000 4540000 4560000 4580000 4600000 4620000 4640000 4660000 4680000 4700000 4720000 4740000 4760000
marco de referencia para las variables a usar en
el modelo.
0 12,5 25
®
50 75 100
km
260000 280000 300000 320000 340000 360000 380000 400000 420000 440000 460000 480000 500000 520000 540000
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.
13
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.
260000 280000 300000 320000 340000 360000 380000 400000 420000 440000 460000 480000 500000 520000
MAPA DE LOS MODELOS DE Modelos de Combustibles

4480000 4500000 4520000 4540000 4560000 4580000 4600000 4620000 4640000 4660000 4680000 4700000 4720000 4740000 4760000
4480000 4500000 4520000 4540000 4560000 4580000 4600000 4620000 4640000 4660000 4680000 4700000 4720000 4740000 4760000
COMBUSTIBLES No 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
0 12,5 25 50 75 100 Marismas o aguas continentales
km
Prados y herbazales
260000 280000 300000 320000 340000 360000 380000 400000 420000 440000 460000 480000 500000 520000
Suelos desnudos o pedragales

Fig. 3.1.b. Mapa y leyenda de los modelos de combustibles Elementos puntuales
y otras superficies que se disponía en el momento de la Islas
realización del MDRICH.
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
14
meteorológica más representada en la misma (mediante el comando
ZONALMAJORITY del módulo GRID de ArcInfo), como se muestra en la figura 3.1.c.
B 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.
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).
15
Fig. 3.1.d y e. A la izquierda, pagina web donde se
colgaban todos los archivos de temperaturas previstas (GRD)
y coordenadas (DAT). Arriba, se muestra la disposición de
los registros de temperaturas previstas de cada fichero GRD.
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.
16
260000 280000 300000 320000 340000 360000 380000 400000 420000 440000 460000 480000 500000 520000
MAPA DE LOS MODELOS DE

4480000 4500000 4520000 4540000 4560000 4580000 4600000 4620000 4640000 4660000 4680000 4700000 4720000 4740000 4760000
4480000 4500000 4520000 4540000 4560000 4580000 4600000 4620000 4640000 4660000 4680000 4700000 4720000 4740000 4760000
Modelos de Combustibles
COMBUSTIBLES PARA Modelo 1
CATALUÑA 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 continental es
0 12,5 25 50 75 100
km
Prados y herbazales
260000 280000 300000 320000 340000 360000 380000 400000 420000 440000 460000 480000 500000 520000
Suelos desnudos o pedragales
Fig. 3.2.a. Mapa y leyenda de los modelos de Elementos puntuales
combustibles y otras superficies clasificadas. Islas
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.).
260000 280000 300000 320000 340000 360000 380000 400000 420000 440000 460000 480000 500000 520000
SUPERFICIE DE LOS MODELOS DE Fig. 3.2.b. Mapa de los modelos

4480000 4500000 4520000 4540000 4560000 4580000 4600000 4620000 4640000 4660000 4680000 4700000 4720000 4740000 4760000
4480000 4500000 4520000 4540000 4560000 4580000 4600000 4620000 4640000 4660000 4680000 4700000 4720000 4740000 4760000
COMBUSTIBLES 4 , 5 Y 6 de combustibles 4, 5 y 6 obtenidos a

partir de la reclasificación del mapa
de la figura 3.2.a.
0 12,5 25 50
® 75 100
km
Leyenda
Limites Comarcales
Modelo de Combustible
4
5
260000 280000 300000 320000 340000 360000 380000 400000 420000 440000 460000 480000 500000 520000
17
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).
Fig. 3.2.d. y 3.2.e. Arriba, el cálculo de la

superficie, y abajo, calculo del porcentaje según
combustible y celda asignada.
Fig 3.2.c. Tabla de los modelos de combustibles

seleccionados exportada a Excel desde ArcInfo.
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.
18
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.
Fig. 3.3.a. Modelo Digital del Terreno (45m) utilizado para

la creación del mapa de elevaciones medias.
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.
19
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.
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.b. Media de las elevaciones

de Cataluña que se utilizaron en la
creación del MRICH.
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.c. MDT recortado a la

superficie de Cataluña.
20
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.).
Fig. 3.3.e. Tabla con la con la media de las elevaciones

para cada identificador de la malla guía.
Fig. 3.3.d. Tabla con la relación altitud-
id_malla guía importada a Access desde
ArcInfo.
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.
21
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.
22
Fig. 3.4.1.a. Captura de pantalla de la Fig. 3.4.1.b. Captura de pantalla de la
página en la cual se encuentra el listado de página en la cual se encuentra el listado de
las temperaturas en grados Kelvin. coordenadas de los puntos donde se situarán
los valores de las temperaturas.
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.
23
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 localizadas

según la cobertura de puntos creada a
partir de la totalidad de registros del
fichero de coordenadas.
Fig. 3.4.1.d. Cobertura de puntos con

los valores de temperaturas para
Cataluña.
24
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.).
25
Fig. 3.4.2.a. Mapa con las estaciones
meteorológicas y las temperaturas
reales que registran para el día
05/08/03.
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.b. Mapa con las

temperaturas reales de las estaciones
para el 05/08/03 contenidas en
polígonos de Thiessen.
26
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
27
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.
28
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 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.
29
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
30
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).
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.
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:
Tabla 3.7a. En esta tabla se muestra esquemáticamente los resultados que generaría la macro de
Excel.
Campo Campo Área abarcada Cataluña Modelo Cataluña Modelo

MDRICH 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.
31
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 porcentaje

correspondiente del modelo de
combustible 4 para cada cuadrícula
de 10 km.
Fig. 4.1.b. Mapa con el porcentaje

combustibles 5 para cada cuadrícula
de 10 km
32
Fig. 4.1.c. Mapa con el porcentaje
combustibles 6 para cada cuadrícula
de 10 km.
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. 4.2.f. Mapa de elevaciones medias

para las cuadrículas de 10x10 km de la
malla guía.
33
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.
Fig. 4.3.1.a Mapa de Temperaturas

previstas con tamaño de celda de 10
km.
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.
34
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.
Fig. 4.3.2.a. Mapa con las

temperaturas reales del 05/08/03 según
celdas de 10x10 km2.
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.
35
· 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 por Fig. 4.4.1.b. Mapa de riesgo de ignición por
causas humanas para el día 05/08/03, evaluado en causas humanas para el día 05/08/03, evaluado en
tanto por uno, para la zona del modelo y tanto por uno, para toda Cataluña y calculado con
calculado con la temperatura real. la temperatura real.
36
Fig. 4.4.1.c. Mapa de riesgo de ignición por Fig. 4.4.1.d. Mapa de riesgo de ignición por
tanto por uno, para la zona del modelo y tanto por uno, para toda Cataluña y calculado con
calculado con la temperatura prevista. la temperatura prevista.
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.e. Mapa de riesgo de ignición por Fig. 4.4.1.f. Mapa de riesgo de ignición por
cuatro intervalos, para la zona del modelo y cuatro intervalos, para toda Cataluña y calculado
calculado con la temperatura real. con la temperatura real.
37
Fig. 4.4.1.g. Mapa de riesgo de ignición por Fig. 4.4.1.h. Mapa de riesgo de ignición por
cuatro intervalos, para la zona del modelo y cuatro intervalos, para toda Cataluña y calculado
calculado con la temperatura prevista. con la temperatura prevista.
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.i. Captura de pantalla de la intranet de la DGESC.
38
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.
Fig. 4.5.a. Mapa de incendios

ocurridos en celdas 10x10 km2, el
cual se utilizará para la evaluación
del modelo.
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.
39
Tabla 4.6.a. En esta tabla se muestra esquemáticamente los resultados que generaría la macro de
Excel.
Campo Campo Área abarcada Modelo Cataluña Modelo Cataluña

MRICH Incendio
1 1 Aciertos (1) 152 173 148 168
1 0 Falsas alarmas (2) 5684 8060 5130 7315
(3)
0 1 Desestimados 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.
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.
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.
IGNICIÓN
SI NO SUMA
PREDICCIÓN
SI 152 5684 5836
NO 48 5716 5764
SUMA 200 11400 11600
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
40
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.
Tabla 4.6.1.b. Porcentaje de igniciones y no ocurridas que sido

estado previstas por el modelo.
IGNICIÓN
SI NO
PREDICCIÓN
SI 76,00 % 49,86 %
NO 24,00 % 50,14 %
Tabla 4.6.1.c. Porcentaje de les celdas previstas que han sido

igniciones y que han comportado falsas alarmas.
IGNICIÓN
SI NO
PREDICCIÓN
SI 2,60 % 97,40 %
NO 0,83 % 99,17 %
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:
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.
IGNICIÓN
SI NO SUMA
PREDICCIÓN
SI 173 8060 8233
NO 63 9354 9417
SUMA 236 17414 17650
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
41
incendio sólo el 2,1% de les celdas lo han hecho correctamente, mientras el 98,1% han
sido falsas alarmas.
Tabla 4.6..2.b. Porcentaje de igniciones ocurridas que han sido

previstas por el modelo.
IGNICIÓN
SI NO
PREDICCIÓN
SI 73,31 % 46,28 %
NO 26,69 % 53,72 %
Tabla 4.6.2.c. Porcentaje de les celdas que han acertado

IGNICIÓN
SI NO
PREDICCIÓN
SI 2,10 % 97,90 %
NO 0,67 % 99,33 %
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:
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.
IGNICIÓN
SI NO SUMA
PREDICCIÓN
SI 148 5130 5278
NO 62 6956 7018
SUMA 210 12086 12296
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.).
42
Tabla 4.6.3.b. Porcentaje de igniciones ocurridas que han sido
IGNICIÓN
SI NO
PREDICCIÓN
SI 70,48 % 42,45 %
NO 29,52 % 57,55 %
Tabla 4.6.3.c. Porcentaje de igniciones ocurridas que han sido

IGNICIÓN
SI NO
PREDICCIÓN
SI 2,80 % 97,20 %
NO 0,88 % 99,12 %
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.
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.
IGNICIÓN
SI NO SUMA
PREDICCIÓN
SI 168 7315 7483
NO 83 11496 11579
SUMA 251 18811 19062
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.
43
Tabla 4.6.4.b. Porcentaje de las celdas que han acertado
IGNICIÓN
SI NO
PREDICCIÓN
SI 66,93 % 38,89 %
NO 33,07 % 61,11 %
Tabla 4.6.4.c. Porcentaje de las celdas que han acertado

IGNICIÓN
SI NO
PREDICCIÓN
SI 2,25 % 97,75 %
NO 0,72 % 99,28 %
44
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 la Fig. 5.1.b. Error de bordes representado por la
diferencia del porcentaje del las capas del modelo 4. diferencia del porcentaje del las capas del modelo 5.
45
Fig. 5.1.c. Error de bordes representado por la
diferencia del porcentaje del las capas del modelo 6.
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. 5.2.a. Mapa de las diferencias

obtenidas entre la capa de elevaciones
medias reales y la capa utilizada en la
creación del MDRICH.
46
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.
47
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.).
Graf. 5.3.1.a. Gráfica que representa la

tendencia de la temperatura creada por el
Spline según la línea que se muestra en la
figura 5.3.1.a.
Fig. 5.3.1.a. Mapa resultado de aplicar la

interpolación con Spline.
Los parámetros introducidos para la interpolación con Spline son:

Tabla 5.3.1.a. Tabla con los parámetros introducidos para la interpolación con Spline.
Z value fields,
TMAX
campos con valores Z.
Spline Type,
Regularized
Tipo de Spline.
Weight,
0,1
Peso del intervalo.
Number of points,
9
Número de puntos que se tienen en cuenta para interpolar.
Output cell size,
1000
Tamaño de celda de salida.
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
48
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.
Graf. 5.3.1.b. Gráfica que representa la

tendencia de la temperatura creada por la
interpolación del IDW según la línea
observada en la figura 5.3.1.b.
Fig. 5.3.1.b. Mapa resultado de aplicar la

interpolación con IDW.
Los parámetros introducidos para la interpolación con IDW son:
Tabla 5.3.1.b. Tabla con los parámetros introducidos para la interpolación con IDW.
Z value fields,
TMAX
Campos con valores Z.
Power,
2
Fuerza.
Search radius type,
variable
Tipo de radio.
Number of points,
Número de puntos que se tienen en cuenta para 9
interpolar.
Maximum distance,
-
Maxima distancia.
Output cell size,
1000
Tamaño de celda de Salida.
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.).
49
Graf. 5.3.1.c. Gráfica que representa la
tendencia de la temperatura creada por la
creación de TINs transformados a raster
según la línea observada en la figura 5.3.1.c.
Fig. 5.3.1.c. Mapa resultado de aplicar la

interpolación con TINs.
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
50
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:
51
Tabla 5.4.a. Tabla donde se muestra la fiabilidad del modelo para las diferentes zonas y temperaturas
implementadas en el modelo.
Área abarcada Modelo Cataluña Modelo Cataluña

Incendio Predicción
Si
Predichos(1) 76,00 % 73,31 % 70,48 % 66,93 %
incendio
SI
No
Desestimados(2) 24,00 % 26,69 % 29,52 % 33,07 %
incendio
(1) (2)
incendios que se han predicho por el modelo. incendios que no se han predicho por el modelo.
Tabla 5.4.b. Tabla donde se muestra la eficacia del modelo para las diferentes zonas y temperaturas
implementadas en el modelo.
Área abarcada Modelo Cataluña Modelo Cataluña
Predicción Incendio
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) (2)
predicciones que han sido incendios. predicciones que no han sido incendios.
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
52
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.
53
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.
54
- 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.
55
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.
56

Incendios Forestales - Aplicación de Un Modelo Diario de Riesgo de Incendio

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Incendios Forestales - Aplicación de Un Modelo Diario de Riesgo de Incendio

Загружено:

Авторское право:

Доступные форматы

ÍNDICE

1.- ANTECEDENTES ...................................................................................................... 7

2.- OBJETIVOS ............................................................................................................. 10

3.- DESARROLLO METODOLÓGICO DEL ESTUDIO ....................................................... 11

4.- RESULTADOS DEL ESTUDIO .................................................................................... 31

6.- CONCLUSIONES ...................................................................................................... 53

7.- BIBLIOGRAFÍA ........................................................................................................ 55

Tabla 1.a. Variables geográficas de análisis................................................................................................... 7

En Cataluña, así como en España, los incendios forestales que se vienen

Este hecho es el que ha motivado a algunos estudiosos a reunir gran cantidad de

En el presente estudio se pretende poner en marcha un modelo de predicción

A la realización del presente trabajo le precede una serie de estudios finalizados

El análisis llegó a albergar 43 variables, como lo son características geográficas,

Tabla 1.a. Variables geográficas de análisis.

Surgieron varios modelos de predicción diaria de incendios por causas humanas,

Finalmente y de entre todos ellos se escogió el modelo cuya formulación se

P(Y=1) = Exp (Zi) /(1 + Exp (Zi))

De la combinación de estos cinco mapas se generaría un mapa con valores de

En el presente estudio, se pretende estimar y describir el procedimiento a seguir

Se generarán las capas necesarias utilizadas en el modelo, llegando a obtener

Se deberán obtener los mapas con los incendios ocurridos en el periodo de

3.1.- Condicionantes e información de base del estudio

A continuación, se comentará algunos aspectos a tener en cuenta sobre el

El MDRICH requiere de la siguiente información para generar los mapas:

Para que la información anteriormente enunciada pueda ser introducida en el

- Otra de las capas constantes será la perteneciente a la elevación media,

MAPA DE LOS MODELOS DE Modelos de Combustibles

Suelos desnudos o pedragales

Finalmente, se debe señalar que en la introducción de las temperaturas máximas

B Fig. 3.1.c. Ejemplo de asignación de estación

- El mapa de los modelos de combustibles para toda Cataluña, suministrado por

- Temperaturas previstas, en grados Kelvin, para las 12:00 h UTC según el

Debido a la imposibilidad de obtener la predicción de las temperaturas máximas

- La base de datos de temperaturas reales utilizadas proceden de la Red del

3.2.- Cálculo de los mapas de combustibles

MAPA DE LOS MODELOS DE

Para ello se seleccionaron los modelos de combustibles que el MDRICH

SUPERFICIE DE LOS MODELOS DE Fig. 3.2.b. Mapa de los modelos

COMBUSTIBLES 4 , 5 Y 6 de combustibles 4, 5 y 6 obtenidos a

Fig. 3.2.d. y 3.2.e. Arriba, el cálculo de la

Fig 3.2.c. Tabla de los modelos de combustibles

3.3.- Cálculo del mapa de elevaciones medias

A partir del MDT (fig.3.3.a.), se calcula la media de las altitudes que

Fig. 3.3.a. Modelo Digital del Terreno (45m) utilizado para

Fig. 3.3.b. Media de las elevaciones

Fig. 3.3.c. MDT recortado a la

Fig. 3.3.e. Tabla con la con la media de las elevaciones

Y, al igual que en los modelos de combustibles, las columnas que interesan,

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

La información de la que se disponía que más se ajustaba a dicha expectativa

Para la obtención de la capa de temperaturas previstas en celdas de 10 x 10 km2,

Las temperaturas previstas se reciben en internet cada día en ficheros de texto

Para la creación de la cobertura de puntos se hubo de pasar los registros de

Importar el contenido de la pagina web transponiendo en una sola columna las

Igualmente se les aplica un identificador a los registros de coordenadas ya

Así pues, se obtuvieron mapas de las figuras 3.4.1.c. y 3.4.1.d.

Fig. 3.4.1.c. Temperaturas localizadas

Fig. 3.4.1.d. Cobertura de puntos con

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

Primero se bajó de la web de la Xarxa Agrometeorològica de Cataluña (XAC)

Los puntos de las coberturas mostradas contienen los valores de temperaturas