Cartografía de modelos de combustible, dos realidades: España y Venezuela. Cartography of fuel models, two realities: Spain and Venezuela. Cartografia de modelos de combustível, duas realidades: Espanha e Venezuela.

Valentina Toledo Bruzual

Resumen


Los incendios forestales provocan profundas transformaciones en los paisajes. En España, la cartografía de los modelos de combustible deriva del Mapa Forestal, algunos de los modelos pueden no responder a las formaciones vegetales con las descripciones realizadas por Rothermel mientras que el Mapa de Vegetación de Venezuela presenta la distribución espacial de las formaciones vegetales, a partir de límites bioclimáticos y ecológicos, pero no considera el comportamiento del fuego. El objetivo de este trabajo es reconocer los límites y alcances de la cartografía de modelos de combustibles y el uso de la teledetección en España. El método es una investigación documental de modelo descriptivo. España logra a nivel regional y local, la creación de una cartografía de modelos de combustible a partir de imágenes de satélite de alta resolución, actualizando los cambios de cobertura con tecnología alternativa. A futuro, Venezuela puede valerse de las experiencias de España para elaborar un mapa forestal con los combustibles en categorías según sus propiedades de comportamiento frente al fuego.

Palabras clave: teledetección; Rothermel; España; Venezuela

 

 

ABSTRACT

Forest fires cause profound transformations in landscapes. In Spain, the cartography of the fuel models is derived from the Forest Map, some of the models may not respond to the plant formations with the descriptions made by Rothermel, while the Vegetation Map of Venezuela presents the spatial distribution of the plant formations, on the basis of bioclimatic and ecological limits, but it does not consider the behavior of fire. The objective of this work is to recognize the limits and scope of the mapping of fuel models and the use of remote sensing in Spain. The method is a descriptive model documentary research. Spain achieves at regional and local levels the creation of a cartography of fuel models from high resolution satellite images, updating the coverage changes with alternative technology. In the future, Venezuela can use the experiences of Spain to develop a forest map with fuels categorized according to their behavior properties against fire.

Keywords: remote sensing, Rothermel, Spain, Venezuelan

 

RESUMO

Os incêndios florestais causam profundas transformações nas paisagens. Na Espanha, a cartografia dos modelos de combustível deriva do Mapa Florestal, alguns dos modelos podem não responder às formações vegetais com as descrições feitas por Rothermel, enquanto o Mapa de Vegetação da Venezuela apresenta a distribuição espacial das formações vegetais, um ponto de partida dos limites bioclimáticos e ecológicos, mas não considera o comportamento do fogo. O objetivo deste trabalho é reconhecer os limites e a abrangência do mapeamento de modelos de combustível e do uso de sensoriamento remoto na Espanha. O método é um modelo descritivo de investigação documental. Espanha consegue a nível regional e local, a criação de uma cartografia de modelos de combustível a partir de imagens de satélite de alta resolução, actualizando as mudanças de cobertura com tecnologias alternativas. No futuro, a Venezuela pode usar as experiências da Espanha para desenvolver um mapa florestal com combustíveis em categorias de acordo com suas propriedades de comportamento contra o fogo.

 

Palavras-chave: sensoriamento remoto; Rothermel; Espanha; Venezuela


Texto completo:

PDF

Referencias


Aguado, I., Martínez, S., Viana-Soto, A., Chuvieco, E., y Salas, J. (2019). Uso de series temporales de satélite en el seguimiento de las áreas incendias. En Francisco García Novo, Mercedes Casal y Juli Pausas (Ed.). Sevilla: Ecología de la regeneración de zonas incendiadas (pp.147-161). Academia y del medio ambiente de Andalucía- ACSYMA

Alonso-Benito, A., Arroyo, L., Arbelo, M. and Hernández-Leal, P. (2016). Fusion of WorldView-2 and LiDAR Data to Map Fuel Types in the Canary Islands. Remote Sensing, 8(8), p. 669. https://doi:10.3390/rs8080669.S

Anaya, J. A., Sione, W., Rodríguez-Montellano, A. (2018). Detección de áreas quemadas basada en análisis de series temporales en un entorno de computación en la nube. Revista de Teledetección, 51, 61-73. https://doi.org/10.4995/raet.2018.8618

Anderson, H. (1982). Aids to determining fuel models for estimating fire behavior. General Technical Report. INT-122. USDA Forest Service. Intermountain Forest and Range Experiment Station

Arellano, S., Vega, J., Ruíz, A., Arellano, A., Álvarez, J., Vega, D. y Pérez, E. (2017). Foto-guía de combustibles forestales de Galicia y comportamiento del fuego asociado. Galicia: Andavira

Bontemps, S., Bogaert, P., Titeux, N. y Defourny, P. (2008). An object-based change detection method accounting for temporal dependences in time series with medium to coarse spatial resolution. Remote Sensing of Environment, 112,3181- 3191

Burgan, R and Rothermel, R. (1984). BEHAVE: Fire behavior prediction and fuel modeling system – FUEL subsystem. General Technical Report. INT-167. Ogden, UT: U.S. Department of Agriculture, Forest Service, Intermountain Forest and Range Experiment Station.https://doi.org/10.2737/INT-GTR-167

Burel, F., y Baudry, J. (2002). Ecología del paisaje: conceptos, métodos y aplicaciones. Madrid: Mundi-Prensa.

Carpio, H. (24 de noviembre del 2020). ¿Qué nos dicen los satélites sobre los incendios en Caracas y Miranda? [Documento en línea]. Ángel Alayón, Oscar Marcano y Valentina Oropeza (Ed.). http://factor prodavinci.com/

Chavero, P. (2011). Cartografía de modelos de combustible del monte Nº117 del C.U.P. (Término municipal de Cuenca) basada en datos de sensores remotos. [Trabajo Fin de Grado], E.U.I.T. Forestal (UPM) [antigua denominación]

Dirección General de Desarrollo Rural y Política Forestal (DGDRPF). (2012). Cuarto Inventario Forestal Nacional. Asturias: Ministerio de Agricultura, Alimentación y Medio Ambiente

Dirección General de Prevención de Incendios Forestales de la Comunidad Valenciana (2019). Mapa de Modelos de combustible de la Comunitat Valenciana. España: Consejería de Agricultura, Desarrollo Rural, Emergencia Climática y Transición Ecológica

FAO. (s/f). Breve descripción de los Recursos Forestales en Venezuela. [Documento en línea]. http://www.fao.org/3/ad102s/AD102S15.htm

Fassnacht, F., Latifi, H., Stereńczak, K., Modzelewska, A., Lefsky, M., Waser, L., Straub, C., y Ghosh, A. (2016) Review of studies on tree species classification from remotely sensed data. Remote Sensing of Environment, 186, 64-87

García, M., Riaño, D., Chuvieco, E., y Gajardo, J. (2011) Estimación de propiedades de los combustibles de copa mediante diferentes plataformas de datos LíDAR. Teledetección. En Carmen Recondo González y Enrique Pendás Molina (Ed.), Asturias: Cap. Bosques y cambio climático. XIV Congreso de la Asociación Española de Teledetección Mieres del Camino (221-224), 21 al 23 de septiembre

Gil, J. (2017). Desarrollo integrado de técnicas de análisis de imágenes y datos LiDAR para la actualización de bases de datos de ocupación del suelo. [Tesis doctoral, Universidad Politécnica de Madrid]. https://doi.org/10.20868/UPM.thesis.48329

Hermosilla, T., Wulder, M., White, J., Coops, N., Hobart, G. (2015). Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment, 170,121– 132

ICONA. (1987). Guía fotográfica para la identificación de modelos de combustible. MAPA. Madrid.

ICONA. (1990). Clave fotográfica para la identificación de modelos de combustible, Defensa contra incendios forestales. MAPA. Madrid.

Kennedy, R., Yang, Z., and Cohen, W. (2010). Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr — Temporal segmentation algorithms. Remote Sensing of Environment, 114, 2897-2910. https://doi. org/10.1016/j.rse.2010.07.008

Kennedy, R., Yang, Z., Gorelick, N., Braaten, J., Cavalcante, L., Cohen, W. y Healey, S. (2018). Implementación del algoritmo LandTrendr en Google Earth Engine. Teledetección, 10 (5), 691. doi: 10.3390 / rs10050691

Kucharczyk, M., Hay, G., Ghaffarian, S. and Hugenholtz, C. (2020). Geographic Object-Based Image Analysis: A Primer and Future Directions, Remote Sensing. Multidisciplinary Digital Publishing Institute, 12(12), p. 2012. doi:10.3390/rs12122012

Lechner, A., Foody, G.and Boyd, D. (2020) Applications in Remote Sensing to Forest Ecology and Management, One Earth, 2(5), 405–412. http://doi.org/10.1016/j.oneear.2020.05.001

LIDAR-PNOA. (2015). CC-BY 4.0. Sistema Cartográfico Nacional. Instituto Geográfico Nacional, Dirección General del Catastro, Confederación Hidrográfica del Tajo, Confederación Hidrográfica del Duero y Castilla y León. Gobierno de España y Castilla y León. http://www.scne.es/

Lozada, J. (2007). Situación actual y perspectivas del manejo de recursos forestales en Venezuela. Revista Forestal Venezolana, 51(2),195-218

Marino, E., Ranz, P., Tomé, J., Noriega, M., Esteban, J. y Madrigal, J. (2016). Generation of high-resolution fuel model maps from discrete airborne laser scanner and Landsat-8 OLI: A low-cost and highly updated methodology for large areas, Remote Sensing of Environment, 187, 267–280. doi:10.1016/j.rse.2016.10.020

Martínez, S., Chuvieco, E., Aguado, I., Salas, J. (2017). Severidad y regeneración en grandes incendios forestales: un análisis de la serie temporal Landsat. Revista de Teledetección, 49, 17-32. https://doi.org/10.4995/raet.2017.7182

MARNR. (1995). Mapa de vegetación de Venezuela. Caracas. Venezuela.

Molina, D. (2009). Simuladores para predecir los efectos del fuego en el arbolado. En Ricardo Vélez (Ed.), España: Incendios forestales: Fundamentos y Aplicaciones. (pp.95-110). McGraw-Hill

Molina, D. (2011). Asignación de modelo de combustible para la planificación. En Ricardo Vélez (Ed.). Incendios forestales: Fundamentos y Aplicaciones. McGraw-Hill. (pp.265-270). [Documento en línea] https://www.researchgate.net/publication/

Moreno, J. (2005). Riesgo de incendios forestales. Capítulo 12. Impactos sobre los riesgos naturales de origen climático. (pp. 581-615). https://www.miteco.gob.es/en/cambio-climatico/temas/impactos-vulnerabilidad-y-

Muñoz, V. (2009). La definición de incendio forestal. En Ricardo Vélez (Ed.). España: La defensa contra incendios forestales. Fundamentos y experiencias. (Cap 1) (pp.3-12). McGraw-Hill

Pausas, J. (2012). Incendios forestales. Una visión desde la ecología. Madrid: CSIC

Pereira, D. (2020). Análisis de detección de cambios utilizando imágenes satélitales multitemporales Sentinel 2 y su integración en la generación de mapas de combustibles a escala municipal. [Tesis de Maestría, Universidad de León]. http://hdl.handle.net/10612/12471

Pettinari, M., y Chuvieco, E. (2012). Metodología para el desarrollo de un mapa de combustible para Suramérica. Tecnologías de la información geográfica en el contexto de cambio global. En: Javier Martínez e Isabel Pilar (Ed.). XV Congreso Nacional de Tecnologías de la Información Geográfica (pp. 169-178). Madrid: CCHS-CSIC

Programa Operativo Anual. (2018). Plan Cartográfico Nacional 2017-2020 [Documento en línea]. ttps://cdn.fomento.gob.es/portal-web-drupal/.pdf

Sánchez, S., García, M., Velasco, A. y Canga, E. (2019). Generación cartografía de modelos combustibles a partir de datos LiDAR: herramienta flexible, actualizable y escalable. TRESEME 44, 1-5. https://www.researchgate.net/publication/33478421

Tortini, R., Mayer, A., Maianti, P. (2015). Using an OBCD approach and Landsat TM data to detect harvesting on nonindustrial private property in upper Michigan. Remote Sensing,7(6), 7809–7825

Viedma, O., Fernández, M. y Quesada, C. (2016). Fuentes cartográficas de incendios. En Moreno, J. (2016). Los incendios forestales en España en un contexto de cambio climático: información y herramientas para la adaptación (infoadapt) (pp.47-70). Universidad de Castilla-La Mancha

White, J. Coops, N. Wulder, M., Vastaranta, M., Hilker, T. and Tompalski, P. (2016). Remote Sensing Technologies for Enhancing Forest Inventories: A Review. Canadian Journal of Remote Sensing, 42(5), 619–641. doi:10.1080/07038992.2016.1207484


Enlaces refback

  • No hay ningún enlace refback.


Copyright (c) 2021 Valentina Toledo Bruzual



 
ISSN. 2790-3613
ISSN-L. 0798-0329

Av. Páez, Edificio Histórico del Instituto Pedagógico de Caracas, Coordinación de Investigación e Innovación. Urbanización El Paraíso- Caracas 1021, Venezuela. Teléfono-Fax (212) 451- 37- 81. Dirección de correo electrónico: revistadeinvestigacion@gmail.com