Análisis espacial de la ocurrencia de incendios forestales en el estado de Durango

 

Spatial analysis of forest fire occurrence in the state of Durango

 

D. Y. Ávila–Flores¹; M. Pompa–García²; E. Vargas–Pérez³

 

¹ Estudiante de doctorado en la Facultad de Ciencias Forestales de la UANL. Correo–e: diesel_dyaf@hotmail.com.

² Facultad de Ciencias Forestales de la UJED. Correo–e: mpgarcia@ujed.mx.

³ División de Ciencias Forestales, Universidad Autónoma Chapingo. km 38.5 Carretera México–Texcoco, Chapingo Estado de México. MÉXICO. Correo–e: lalo.vargas@gmail.com.

 

Recibido: 12 de agosto, 2009
Aceptado: 29 de julio, 2010

 

RESUMEN

Se realizó un análisis exploratorio del patrón de distribución espacial de los incendios forestales para el estado de Durango, teniendo como hipótesis que los incendios presentan un patrón espacial no aleatorio. Se usaron los reportes semanales de incendios de la Comisión Nacional Forestal (CONAFOR) para un periodo de cinco años, analizados mediante el coeficiente de Moran. Se incluyó un análisis gráfico mediante el diagrama de dispersión y el indicador local de asociación espacial. Los resultados muestran una elevada autocorrelación espacial entre las superficies con registro de incendios, donde el estadístico de Moran reúne en un 98.3 % la estructura global de asociación longitudinal y altitudinal.

Palabras clave: Autocorrelación, índice de Moran, fuego.

 

ABSTRACT

An exploratory analysis was carried out of the spatial distribution pattern of forest fires for the state of Durango, having as a hypothesis that the fires have a nonrandom spatial pattern. Weekly fire reports from CONAFOR (National Forestry Commission) for a five–year period were analyzed using Moran's coefficient. A graphical analysis was developed with the scatterplot diagram and local indicator of spatial association. The results show a high spatial correlation between areas with fire history, where Moran's statistic captures 98.3% of the global structure of longitudinal and altitudinal association.

Keywords: Autocorrelation, Moran's Index, fire.

 

INTRODUCCIÓN

El fuego al igual que otros disturbios naturales, es un factor que se encuentra presente de manera natural en muchos ecosistemas y paisajes a lo largo del mundo y su presencia es vital para muchos de ellos (Whelan, 1995); sin embargo, también puede generar diversos impactos negativos ecológicos y económicos así como amenazas para combatientes y personas que viven en el bosque (Espinoza–Martínez et al., 2008). El fuego tiene una influencia positiva en la naturaleza, pues ayuda a mantener la biodiversidad, pero cuando se utiliza de manera irresponsable puede tener consecuencias devastadoras para el ambiente, convirtiéndose en factor importante de la degradación de los ecosistemas (CONAFOR, 2007).

Dado que el fenómeno de los incendios forestales tiene una clara manifestación territorial, ya que tanto los factores como los efectos se distribuyen en el espacio y son afectados por él (Chuvieco y Congalton, 1989), es posible conocer patrones de distribución espacial mediante la aplicación de métodos cuantitativos de análisis espacial con los cuales se tiene la oportunidad de detectar y describir dichos patrones de distribución, permitiendo así evaluar hipótesis sobre si el fenómeno observado sigue una distribución territorial aleatoria o correlacionada, ya sea aglomerada o dispersa. Lo anterior es un concepto básico de la estadística espacial vinculada con la geografía, por lo que Tobler (1970) postuló la "primera ley de la geografía" en la que se afirma que en el análisis geográfico todo está relacionado con todo, pero las cosas cercanas están más relacionadas entre sí que las cosas lejanas.

El análisis espacial es una de las aplicaciones más usuales de los sistemas de información geográfica, el cual constituye una serie de técnicas estadísticas y matemáticas aplicadas al estudio de datos distribuidos sobre el espacio geográfico, posibilitando trabajar con las relaciones espaciales de las entidades contenidas en cada capa temática de la base de datos (Buzai y Baxendale, 2006). Estos métodos se han desarrollado principalmente en el ámbito social para conocer las tendencias demográficas, desarrollo económico regional (Vilalta, 2003), comportamiento electoral (Vilalta, 2006) y recientemente en patrones de la pérdida de vegetación en ecosistemas áridos (Pompa–García, 2008). En el ámbito de los incendios forestales este tipo de análisis permite obtener conclusiones acerca del nivel de importancia de cada una de las variables que intervienen (Lentile et al., 2006; Verdú, 2007). Varios trabajos que describen y resaltan la importancia de conocer el patrón de distribución espacial de ocurrencia de los incendios forestales, han sido desarrollados en este sentido (Kellogg et al., 2008; Yang et al., 2007; Han–Bin et al., 2007; Drury y Veblen, 2008).

En el estado de Durango se registraron para el año 2008, 138 incendios asociados a diferentes causas, afectando una superficie total de 27,691 hectáreas, que lo ubicaron como el estado con mayor superficie afectada (CONAFOR, 2008). Por lo anterior, se considera conveniente efectuar un aporte a la explicación de la ocurrencia de incendios en el estado, realizando en primera instancia, un estudio del patrón de su distribución espacial el cual será el punto de referencia para un análisis posterior de los factores que afectan su incidencia, por lo que el objetivo del presente análisis es conocer el patrón espacial que siguen los incendios forestales en el estado, teniendo como hipótesis que este fenómeno no es aleatorio.

 

MATERIALES Y MÉTODOS

Descripción del área de estudio

El estado de Durango se encuentra ubicado en la región centro–noroccidental de México; tiene frontera al NO con Chihuahua, al NE con Coahuila, al SE con Zacatecas, al sur con Nayarit y al oeste con Sinaloa. Sus coordenadas extremas son al N 26° 53' N, al S 22°16' N, al E 102° 29' W y al W 107° 16' W (INEGI, 2000); es atravesado por el Trópico de Cáncer (23°16'18") N en su parte sur en los municipios de El Mezquital y Pueblo Nuevo, de tal manera que la mayor parte de su superficie se localiza en la zona subtropical (Figura 1). Cuenta con una superficie forestal de más de nueve millones de hectáreas (PROFEPA, 2009), las cuales presentan una diversidad en cuanto a las comunidades forestales; hay vegetación propia de clima semiárido y árido, de clima templado y subtropical. Son los bosques templados de gran importancia ecológica y de aprovechamiento forestal, formados principalmente por varias especies de pino y encino.

Base de datos

Para generar la base de datos se dispuso de los reportes semanales de incendios forestales de la Comisión Nacional Forestal registrados en el estado para un periodo de cinco años (2004–2008) en formato Excel, de los cuales se tomaron las coordenadas, para indicar la localización espacial de los incendios. Se generó un archivo en formato "shape file" para mostrar gráficamente la tendencia de la distribución espacial de distribución, y los incendios fueron indicados como puntos. Para analizar el patrón de distribución obtenido, se utilizó como base un archivo en formato "shape file", el cual correspondía a la superficie del estado, cubierta por 170 cartas topográficas del INEGI a escala 1:50000, que cubren la superficie total de la entidad; posteriormente se realizó la combinación de las dos capas temáticas; en la capa temática resultante se obtuvo el número de incendios por carta, cada una de las cuales fue considerada como polígono con registro de incendio. Los datos que se introdujeron para detectar y medir la autocorrelación a través del índice de Moran fueron las superficies (polígonos) con registro de incendio. Para el procesamiento se utilizó el software GEODA desarrollado por Anselin (2003), cuyo proceso se explica a continuación.

Análisis espacial

La autocorrelación puede definirse como la concentración o dispersión de los valores de una variable en un mapa; es decir, refleja el grado en que objetos o actividades en una unidad geográfica son similares a otros objetos o actividades en unidades geográficas próximas (Goodchild, 1987).

Para detectar y medir la autocorrelación espacial de las superficies con registro de incendio, se utilizó el coeficiente de Moran (1950). En este estadístico los valores varían entre +1 y –1, donde +1 indica una correlación positiva perfecta o perfecta concentración, –1 indica una correlación negativa perfecta o perfecta dispersión y el 0 indica un patrón espacial totalmente aleatorio:

Donde X_i e X_j son los valores que toma la variable X en los puntos i y j, N es el número de datos, y W_ij es el peso de la clase de distancia d, que puede valer W_ij = 1 si el punto j está dentro de la clase de distancia d medida a partir del punto i, o W_ij = 0 si no se cumple dicha condición (Sokal y Oden, 1978):

En el cociente de (1), el numerador es un término que muestra la covarianza mientras que el denominador indica la varianza, lo que hace un diseño similar al coeficiente de correlación de Pearson (1896); sin embargo, en el primero la asociación de valores del conjunto de datos es determinado por una matriz de distancias (2) o contigüidad que predefine los valores vecinos (los valores para el cómputo del coeficiente). En otras palabras, los pesos W_ij deciden la proximidad de cada punto analizado.

Debido a que el índice proporciona la medida de la correlación entre los valores vecinos en un patrón, la vecindad entre las unidades espaciales o superficies con registro de incendio se determinó empleando el criterio "Reyna" por su proximidad de contacto en todos los sentidos (un máximo de 8 vecinos).

Como instrumento gráfico de análisis de la autocorrelación espacial, se utilizó el diagrama de dispersión de Moran, en el cual se estandariza la variable a analizar y se obtiene el retardo espacial de dicha variable, representándose ambos valores en un eje cartesiano donde la pendiente de la recta de regresión es el valor del estadístico de Moran de autocorrelación espacial global, de forma que cuanto mayor sea el ángulo que forme ésta con el eje de abscisas, más fuerte será el grado de autocorrelación espacial y viceversa (Anselin, 2003). Complementariamente se utilizó el indicador local de asociación espacial LISA (Local Indicator of Spatial Association), cuyo objetivo es que el estadístico obtenido para cada sección suministre información acerca de la relevancia de valores similares alrededor de la misma.

 

RESULTADOS Y DISCUSIÓN

Los resultados muestran la tendencia a la concentración de los incendios forestales mayormente sobre la zona boscosa (Fig. 2). Moreno y Vayá (2001) indican que la dependencia o autocorrelación espacial surge siempre que el valor de una variable en un lugar del espacio está relacionado con su valor en otro u otros lugares del espacio.

En la Figura 3, se pueden apreciar los indicadores de autocorrelación que muestran que para la variable longitud y latitud existe una elevada auto correlación positiva con valores de 0.9834 y 0.9832, respectivamente, es decir, el estadístico de Moran reúne entre un 98.34 y 98.32 % la estructura global de asociación longitudinal y altitudinal entre las unidades con incendios (Figura 3 (A) y (D)).

Asimismo, se puede observar que el valor significativo positivo informa de la presencia de un esquema de autocorrelación espacial positiva, lo que indica la presencia de una concentración de valores similares de la variable analizada en unidades vecinas (Figura 3 (B) y (E)).

La autocorrelación positiva que muestran estas variables es estadísticamente significativa, lo que indica una tendencia a la concentración de las áreas con incendios registrados, por lo que puede afirmarse, con un nivel de confianza del 99%, que la concentración no es aleatoria (Figura 3 (C) y (F)).

Al utilizar el mapa de la significación de los indicadores locales asociado al diagrama de dispersión de Moran (figura 3 (B) y (E)), se pueden identificar zonas con numerosas áreas con un alto grado de presencia de incendios, rodeadas de zonas con presencia también alta (situación High–High en el gráfico de Moran). Asimismo, se identifican zonas con presencia baja rodeadas de unidades también con presencia baja (situación Low–Low), o bien zonas de presencia baja rodeadas de unidades con presencia alta de la variable analizada (situación Low–High), o zonas con presencia alta rodeadas por zonas con presencia baja (situación High–Low). Por último, también se pueden detectar zonas sin asociación espacial significativa, las cuales aparecen en blanco.

Los resultados anteriores permiten mostrar que el fenómeno de los incendios tiene una clara manifestación territorial dentro del área de estudio, derivado ello de la similitud entre factores dentro de la zona donde se concentran, coincidiendo con la primera ley de la geografía postulada por Tobler (1970).

Chuvieco y Congalton (1989) mencionan que el estudio de los incendios forestales requiere en la mayoría de los casos un análisis integrado del territorio, pues un incendio forestal no se genera por la acción de un factor aislado, sino que se deriva de la acción conjunta de un grupo de factores, entre los cuales la vegetación, los tipos climáticos, topografía y actividades humanas resultan especialmente significativas. Este trabajo sólo presenta la relación entre la ubicación espacial de incendios y el grado de concentración en su ocurrencia, cuyos resultados significan un aporte sólido para el conocimiento de los incendios en el estado de Durango, ya que brindan la base para el posterior análisis de las causas que originan esa marcada distribución espacial.

Los resultados aquí obtenidos concuerdan con los de Han–Bin et al. (2007), quienes analizaron el patrón espacial y temporal de incendios en Corea utilizando la función K de Ripley, donde al igual que en nuestro análisis los resultados muestran la tendencia hacia la concentración; los autores atribuyen esta tendencia a las causas del incendio. Sin embargo, la función K de Ripley supone un espacio homogéneo considerando todos los puntos igualmente equivalentes, lo que hace difícil su aplicación en la topografía real. Yang et al. (2007) analizaron el patrón espacial de ocurrencia en los incendios en los bosques de Missouri, USA, y sus resultados mostraron que las ubicaciones de los incendios fueron agrupadas espacialmente, como consecuencia de la cercanía de las poblaciones a los bosques. Kellogg et al. (2008) mencionan que la variación de la ocurrencia de incendios está en función de la estructura del territorio y la escala de estudio. Drury y Veblen (2008) estudiaron la variación de ocurrencia histórica de los incendios para la Reserva Forestal "Las Bayas", en Durango, donde encontraron que la variación a través del tiempo ha sido afectada por las actividades antropogénicas. Los resultados aquí obtenidos permiten derivar otros interrogantes, en el sentido de evaluar la intensidad de la concentración de incendios a partir de diversas variables con el propósito de detectar aquellas que se correlacionan con las indicativas de ocurrencia.

 

CONCLUSIONES

El análisis espacial es una técnica que proporciona herramientas útiles para la investigación del fenómeno de los incendios forestales, por lo que con los resultados obtenidos en el presente trabajo se puede apreciar que esta técnica permite focalizar la presencia de los incendios, dando pauta para la posterior caracterización de factores que más peso tienen en la ocurrencia de dicho fenómeno, de acuerdo a las características de las áreas donde se presentan, permitiendo así sugerir nuevas investigaciones, ya que se plantea la necesidad de explicar estadísticamente la asociación espacial que presentan dichos factores.

La existencia de asociación espacial puesta de manifiesto por las técnicas utilizadas en la variable bajo estudio, confirma nuestra hipótesis y contribuye al conocimiento de las asociaciones entre los puntos de incendios, indicando dónde se presenta la concentración más significativa y sobre los cuales los investigadores y planificadores deben enfocar su trabajo.

Estas interacciones plantean la necesidad de explicar estadísticamente este fenómeno a través de algún método de regresión específico que permita encontrar aquellas variables explicativas de la asociación encontrada, ya que por ahora sólo se determinó el grado de autocorrelación existente, lo que conducirá a establecer una mayor interrelación entre patrones y procesos de conjugación de los factores en la búsqueda de una mejor explicación del fenómeno de los incendios.

 

AGRADECIMIENTOS

Se reconoce a CONAFOR por la disposicion de datos, a la SRNyMA del gobierno del estado de Durango y al CONACyT por el apoyo otorgado a traves de los proyectos DGO–2008–C01–87972 y DGO–2010–C02–144340.

 

LITERATURA CITADA

ANSELIN, L. 2003. GeoDa 0.9 User's Guide. Spatial Analysis Laboratory, University of Illinois, Urbana–Champaign, IL. 18 p.         [ Links ]

BUZAI, G. D.; BAXENDALE, C. A. 2006. Análisis Socioespacial con Sistemas de Información Geográfica. Ed. Buenos Aires. Buenos Aires, Argentina. 400 pp.         [ Links ]

CHUVIECO E.; CONGALTON, R. 1989. Application of remote sensing and geographic information systems to forest fire hazard mapping. Remote sensing Enviroment 29:147–159.         [ Links ]

CONAFOR (Comisión Nacional Forestal). 2008. Reportes semanales de incendios forestales. Página electrónica http://www.conafor.gob.mx.         [ Links ]

CONAFOR (Comisión Nacional Forestal). 2007. Documento didáctico para el curso Introducción a las Quemas Prescritas. Elaborado por The Nature Conservancy y la Comisión Nacional Forestal. México. 58 pp.         [ Links ]

DRURY, S. A.; VEBLEN, T. T. 2008. Spatial and temporal variability in fire occurrence within the Las Bayas Forestry Reserve, Durango, Mexico. Plant Ecology 197: 299–316.         [ Links ]

ESPINOZA–MARTÍNEZ, L. A; RODRÍGUEZ–TREJO, D. A.; ZAMUDIO–SÁNCHEZ, F. J. 2008. Sinecología del sotobosque de Pinus hartwegii dos y tres años después de quemas prescritas. Agrociencia 42: 717–730.         [ Links ]

GOODCHILD, M. 1987. A spatial analytical perspective on geographical information systems. International Journal of Geographical Information Science 1(4): 327–334.         [ Links ]

HAN–BIN, K.; WOO–KYUN, L.; MYOUNG–SOO, W.; KYO–SANG, K.; MYUNG–BO L.; SANG CHU, L. 2007. Spatial and temporal pattern of the human–caused forest fire occurrences in Korea. Korea University, Seoul, Korea, Department of Forest environment, Korea Forest Research Institute. 6 p.         [ Links ]

INEGI .2000. Marco Geoestadístico. Instituto Nacional de Estadística, Geografía e Informática. México. http://www.inegi.gob.mx/geografia/espanol/estados/dgo.htm.         [ Links ]

KELLOGG, L. K. B.; MACKENZIE, D.; PETERSON, D. L.; HESSL, A. E. 2008. Spatial models for inferring topographic controls on historical low–severity fire in the eastern Cascade Range of Washington, USA. Landscape Ecol 23:227–240.         [ Links ]

LENTILE, L.B.; HOLDEN, Z. A. ; SMITH, A. M. S.; FALKOWSKI, M.J. ; HUDAK, A.T.; MORGAN, P.; LEWIS, S.A.; BENSON, P.E. 2006. Remote sensing techniques to assess active fire characteristics and post–fire effects. International Journal of Wildland Fire 15: 319–345.         [ Links ]

MORAN, P. A. 1950. Notes on continuous stochastic phenomena. Biometrika 37: 17–23.         [ Links ]

MORENO, R.; VAYÁ–VALCARCE, E. 2001. Técnicas econométricas para el tratamiento de datos espaciales: la econometría espacial. Ediciones de la Universidad de Barcelona. España. 160 pp.         [ Links ]

PEARSON, K. 1896. Mathematical contributions to the theory of evolution: III. Regression, heredity, and panmixia. Philosophical Transactions of the Royal Society 187: 253–318.         [ Links ]

POMPA–GARCÍA, M. 2008. Distribución espacial de la pérdida de vegetación en ecosistemas áridos de México. MES 3 (3): 13–22.         [ Links ]

PROFEPA (Procuraduría Federal de Protección al Ambiente). 2009. Estado de Durango Recursos Naturales. http://www.profepa.gob.mx.         [ Links ]

SOKAL, R. R.; ODEN, N. L. 1978. Spatial autocorrelation in biology. Biological Journal of the Linnean Society 10: 199–228.         [ Links ]

TOBLER, W. R. 1970. A computer movie simulating urban growth in the Detroit region. Economic Geography 46: 234–240.         [ Links ]

VILALTA, C. J. 2006. Sobre la espacialidad de los procesos electorales urbanos y una comparación entre las técnicas de regresión OLS y SAM. Estudios Demográficos y Urbanos 21(1): 83–122.         [ Links ]

VILALTA, C. J. 2003. Una aplicación del análisis espacial al estudio de las diferencias regionales del ingreso en México. Economía, sociedad y territorio 4(14): 317–340.         [ Links ]

VERDÚ, F. 2007. Análisis espacial de área quemada: patrón y variación de los incendios forestales en España, 1991–2005.Tesina. Departamento de geografía. Universidad de Alcalá. Alcalá de Henares, España.         [ Links ]

WHELAN, R. J. 1995. The Ecology of Fire. Cambridge University Press. Cambridge. Nueva York. 346 pp.         [ Links ]

YANG, J.; HONG–S, H.; STEPHEN–R, S.; GUSTAFSON, E. J. 2007. Spatial patterns of modern period human–caused fire occurrence in the Missouri Ozark highlands. Forest Science 53(1): 1–15.         [ Links ]