Área de estudio

El parque nacional Molino de Flores Netzahualcóyotl tiene una superficie total de 49.2 ha (^{Secretaría del Medio Ambiente y Recursos Naturales y Comisión Nacional de Áreas Naturales Protegidas [Semarnat y Conanp], 2017}) y se encuentra a una altitud de 2300 m (^{Herrera-Llampallas et al., 2018}). Está ubicado en el municipio de Texcoco, Estado de México y recibe cerca de 192 000 visitantes anualmente (^{Herrera et al., 2019}). Fue decretada como área natural protegida en la categoría de Parque Nacional en el año 1937 por el presidente Lázaro Cárdenas (^{Departamento Forestal y de Caza y Pesca, 1937}). Para la evaluación del riesgo del arbolado se definieron 11 zonas de manejo con información del parque y recorridos de campo (Fig. 1) y se establecieron 62 sitios circulares de muestreo de 400 m2 a una intensidad de 5% de la superficie total. Los sitios se seleccionaron aleatoriamente mediante una malla de puntos y se asignaron proporcionalmente al tamaño de cada zona de manejo.

Figura 1 Perímetro del parque nacional Molino de Flores Netzahualcóyotl, zonas de manejo y sitios de muestreo. 

Características estructurales y evaluación del riesgo

En cada sitio se registraron todos los árboles mayores a 7.5 cm de diámetro normal (DN, 1.3 m de altura a partir del suelo) y se realizó una inspección de 360° desde el suelo de todas las partes de cada árbol, se registró especie, diámetro normal, altura total y se identificaron las principales características estructurales presentes en los árboles con base en la clasificación de ^{Pokorny et al. (2003)}. Todos los árboles fueron evaluados por una misma persona. El nivel de riesgo fue evaluado mediante el método desarrollado por ^{Matheny y Clark (1994)} (M&C), el cual consiste en valorar tres componentes principales: el potencial de falla, el tamaño de la parte que probablemente fallará y la calificación del objetivo. A cada uno de estos componentes se le asignó una calificación numérica con valor de 1 a 4 dependiendo de las características físicas observadas. Al finalizar la evaluación, estas calificaciones se suman para obtener una calificación general de riesgo del árbol que va de tres a doce puntos como máximo (^{Klein et al., 2019}). Sin embargo, para facilitar la interpretación de esta calificación, se generó una escala de riesgo de cinco categorías donde valores de 3 y 4 corresponden a un riesgo muy bajo; 5 y 6 riesgo bajo; 7 y 8 riesgo medio; 9 y 10 riesgo alto; y 11 y 12 riesgo muy alto. La evaluación en campo se llevó a cabo de abril a julio del 2021.

Comparación de métodos de evaluación del riesgo

Posterior a la evaluación de riesgo general, se seleccionó una muestra de 50 árboles completamente al azar distribuidos en todas las zonas de manejo, con el fin de comparar la calificación de riesgo obtenida mediante cinco diferentes métodos de evaluación de nivel básico (se incluye la calificación M&C obtenida de la primera parte para los 50 árboles seleccionados y cuatro métodos más), los cuales han sido reconocidos y utilizados, excepto el método Montevideo el cual es de reciente creación (Tabla 1). Cada uno de los métodos comparados determinan el nivel de riesgo con base en la probabilidad de falla, probabilidad de impacto y las consecuencias de la falla, sin embargo, en cada método los componentes pueden recibir diferente nombre. Se obtuvo un total de 250 calificaciones de riesgo por un mismo evaluador.

Análisis de datos

Con la información obtenida, se generó una base de datos en el programa Microsoft Excel®. Se utilizó estadística descriptiva para el diámetro normal, altura y características estructurales registradas, así como para la calificación de riesgo por zona de manejo dentro del parque. Para determinar si existían diferencias estadísticas significativas en la calificación de riesgo obtenida entre cada zona de manejo, se realizó un análisis no paramétrico de KruskalWallis, debido a que la calificación de riesgo no cumple el supuesto de normalidad. Este análisis se realizó en el software estadístico InfoStat© versión 2020 (^{Di Rienzo et al., 2020}) con un nivel de significancia de 5%.

Para realizar la comparación en el desempeño de cada método de evaluación del riesgo, los resultados de cada método fueron estandarizados utilizando la propuesta de ^{Reyes et al. (2018)}. Con la ecuación 1 se generó una calificación final expresada en porcentaje de 0% a 100% y dividido en cuatro categorías de riesgo: bajo (0%-25%), medio (>25%-50%), alto (>50%-75%) y muy alto (>75%).

donde:

Cri = calificación de riesgo estandarizado expresado en porcentaje

Crim = calificación de riesgo del método utilizado

Vm = valor mínimo (calificación mínima de riesgo obtenida del método utilizado)

VM = valor máximo (calificación máxima de riesgo obtenida del método utilizado)

Para estandarizar el resultado de los métodos TRAQ y Threats a cada categoría de riesgo se le asignó un valor de 1 a 4 y de 1 a 7 respectivamente, posteriormente se aplicó la fórmula de estandarización. Este proceso se realizó con cada una de las partes que integran todos los métodos: probabilidad de falla, probabilidad de impacto, consecuencias y calificación final. Para determinar si existían diferencias estadísticas significativas respecto a la calificación de riesgo, se realizó un análisis no paramétrico de Kruskal-Wallis para cada uno de los componentes de cada método utilizando las calificaciones estandarizadas. Finalmente se generó un análisis comparativo de las ventajas y desventajas de cada método de evaluación del riesgo.

Características estructurales del arbolado

Se evaluó un total de 395 árboles, de ellos, 44 ejemplares estaban muertos en pie. El diámetro normal (DN) promedio de la población fue de 27.73 cm con una altura total promedio de 11.58 m. El arbolado vivo pertenece a 21 especies, de las cuales Eucalyptus camaldulensis Dehnh, Schinus molle L., Casuarina equisetifolia L. y Hesperocyparis lusitanica (Mill) Bartel fueron las más frecuentes y juntas representan 65.3% de los árboles muestreados. La población restante estuvo compuesta por Acacia melanoxylon R.Br. (2.27%), Buddleja cordata Kunth (2.02%), Casimiroa edulis Llave. (0.50%), Celtis australis L. (0.25%), Crataegus mexicana Moc. Sessé. 82.02%), Erythrina coralloides DC. (0.25%), Eysenhardtia polystachya (Ortega) Sarg. (0.75%), Fraxinus uhdei (Wenz.) Lingelsh. (5.31%), Grevillea robusta A. Cunn. ex. R. Br. (0.50%), Jacaranda mimosifolia D.Don. (1.01%), Ligustrum lucidum WT Aiton. (1.51%), Pinus cembroides Zucc. (0.50%), Pinus greggii Englem. (3.29%), Pinus halepensis Mill. (0.50%), Quercus sp. (0.25%), Salix babylonica L. (1.51%) y Taxodium mucronatum Ten (1.01%).

Se registró un total de 271 árboles vivos con una o más características, comúnmente denominadas “defectos”, que contribuyen a debilitar la estructura de los árboles y pueden generar una falla en alguna de sus partes y que son originadas por lesiones, enfermedades o problemas estructurales de desarrollo (^{Pokorny et al., 2003}; ^{Koeser et al., 2023}). De estas características se registraron 13 tipos diferentes con potencial de riesgo (Tabla 2). La más frecuente fue la presencia de madera muerta en alguna de las partes del árbol, principalmente en ramas (Fig. 2a).

Figura 2 Ejemplo de las cuatro principales características registradas en el arbolado del Parque Nacional Molino de Flores Netzahualcóyotl: a) presencia de madera muerta en ramas, b) inclinación moderada, c) tallo codominante, d) cancro en tronco. 

Esta condición es similar a la registrada en el parque nacional Viveros de Coyoacán donde más de 70% de los árboles presentan madera muerta (^{Muñoz et al., 2022}). La zona de Recreación, la cual es una de las más visitadas, tiene el mayor número de árboles con presencia de madera muerta, por lo que es necesario aplicar medidas de corrección de esta condición. Estas medidas pueden ser podas de limpieza que remuevan las ramas dañadas, muertas o enfermas con el fin de incrementar la salud del árbol o los árboles, además de evitar que las partes muertas caigan sobre personas o algún otro objetivo (^{Speak y Salbitano, 2023}).

Una condición común es la inclinación del tronco del árbol, la cual es hasta cierto punto natural, sin embargo, cuando esta inclinación supera los 40°, con respecto a la vertical, se considera un “defecto”, ya que representa una probabilidad mayor de falla (^{Pokorny et al., 2003}). En este sentido, la segunda característica más frecuente que se considera como defecto en el arbolado del PNMFN es la inclinación moderada ≥ 10° < 40° la cual debe ser inspeccionada periódicamente para registrar cambios abruptos que incrementen la probabilidad de falla (Fig. 2b). La inclinación es la característica más común que describe una arquitectura pobre del árbol (^{Calaza e Iglesias, 2016}) y es frecuente observar esta condición en el entorno urbano. Por ejemplo, en el bosque San Juan de Aragón, Ciudad de México, la principal característica estructural registrada en el arbolado fue la inclinación del tronco (^{Saavedra-Romero et al., 2019}). Para el caso de inclinaciones severas (≥ 40°) solo se registraron 28 individuos, la zona de El Paraje registró mayor número de árboles con esta condición, sin embargo, es una zona de uso intermitente dentro del PNMFN.

La presencia de tallos bifurcados [codominantes] (Fig. 2c) es otra característica que es considerada como agravante de riesgo en el arbolado del PNMFN, especialmente en la zona de Recreación con la presencia de 20 individuos. Esta condición incrementa en algunas especies la posibilidad de falla en comparación con árboles con un tronco principal (^{Kane y Clouston, 2008}), ya que generalmente se encuentran insertados en un ángulo estrecho y desarrollan corteza incluida que en algunos casos reduce la fuerza de unión de los tallos (^{Meadows y Slater, 2020}). Otra característica de importancia fue la presencia de cancros, áreas donde el cámbium y la corteza del árbol se encuentran muertos, que pueden ser causados por factores bióticos y abióticos (^{Pokorny et al., 2003}). El número mayor de árbolles con esta condición se encuentra dentro de la zona de Recreación (Tabla 2, Fig. 2d), lo cual, sumado a los ejemplares con tallos codominantes y madera muerta, indica que esta zona debe ser atendida con prioridad para realizar labores que corrijan, eliminen o reduzcan estas características. Además de las características en arbolado vivo, se registraron 44 árboles muertos en pie, los cuales pueden representar una amenaza potencial a los visitantes del parque (^{Stereńczak et al., 2017}). Sin embargo, el mayor número de estos árboles se ubica en las zonas de Recuperación 1, Recuperación 2 y Jardín, las cuales son poco frecuentadas, por lo que la probabilidad de dañar a las personas no es alta.

Evaluación del riesgo del arbolado en el PNMFN

Del total de los árboles evaluados, 50.4% obtuvo un nivel de riesgo muy bajo y solo 0.3 % un riesgo muy alto (Tabla 3). El resultado contrasta con lo observado en el parque nacional Viveros de Coyoacán en la Ciudad de México donde más de 40% de los árboles evaluados se clasificaron con riesgo alto o superior (^{Muñoz et al., 2022}). La diferencia mostrada puede deberse al protocolo de evaluación utilizado, diferentes condiciones y hábitos de crecimiento de las especies y a las posibles acciones de manejo implementadas en el parque. Por otro parte, en el bosque San Juan de Aragón, Ciudad de México, se observó que 83.9% del arbolado evaluado tuvo un riesgo ≤ 8 con el método de ^{Matheny y Clark (1994)} (^{Saavedra-Romero et al., 2019}). Este resultado es similar al PNMFN donde 95% de los árboles obtuvieron calificaciones ≤ 8 (Tabla 3). Las zonas de manejo que presentaron un número mayor de árboles con riesgo alto fueron Hacienda y Recreación (Fig. 3); además, en la zona de Vivero se registró el único ejemplar con riesgo muy alto (Tabla 3, Fig. 3).

Figura 3 Distribución del arbolado evaluado y su nivel de riesgo, de acuerdo con el método de ^{Matheny y Clark (1994)}, dentro de cada zona de manejo del Parque Nacional Molino de Flores Netzahualcóyotl.  

El análisis de Kruskal-Wallis mostró diferencias estadísticas significativas (p < 0.05) en la calificación de riesgo entre cada una de las zonas de manejo, las zonas de Hacienda, Comercial y de Recreación registraron la mediana más alta (Tabla 4). Esto se debe a que estas son zonas con mayor presencia de objetivos que pueden ser afectados por la falla del arbolado, además algunos ejemplares evaluados se encuentran muertos en pie. Es importante aclarar que el valor de la mediana de riesgo dentro de cada zona de manejo corresponde únicamente a los árboles evaluados y en ningún caso debe generalizarse este valor a todos los individuos existentes en cada zona.

Comparación de métodos de evaluación del riesgo

Los 50 árboles evaluados presentaron un DN promedio de 35.9 cm y una altura promedio de 14.5 m. Con base en los resultados obtenidos en este trabajo y la experiencia de aplicación, la tabla 5 resume las principales ventajas y desventajas percibidas en cada método de evaluación del riesgo. Lo anterior brinda mayor certidumbre en la elección de un método por los interesados en el riesgo de los árboles. Los resultados en la categoría de riesgo estandarizado mostraron diferentes proporciones en cada categoría para cada método evaluado. Sin embargo, todos los métodos calificaron a la mayoría de los árboles en la categoría de riesgo bajo (Fig. 4).

Figura 4 Número de árboles por categoría de riesgo estandarizada en cada método de evaluación dentro del Parque Nacional Molino de Flores Netzahualcóyotl. 

Para los métodos de M&C, Montevideo y Pokorny se registraron árboles en todas las categorías de riesgo. TRAQ no registró árboles en la categoría de muy alto y Threaths no evaluó árboles con riesgo alto y muy alto. Estos resultados coinciden con los señalados por ^{Reyes et al. (2018)} para los métodos M&C, Pokorny y TRAQ, donde los dos primeros calificaron árboles en las cuatro categorías de riesgo estandarizado mientras que TRAQ solo calificó el riesgo en las primeras tres categorías. Para el caso de Threats los árboles se concentraron casi proporcionalmente en las dos categorías inferiores de riesgo, situación que coincide con el trabajo de ^{Norris y Moore (2020)} quienes determinaron que este método tiende a producir, con mayor frecuencia, resultados en las categorías inferiores de riesgo.

Diferencias por componente

Probabilidad de falla (PF)

Los resultados de la prueba de Kruskall-Wallis para probabilidad de falla mostraron diferencia estadística significativa (p < 0.05) entre métodos de evaluación del riesgo (Fig. 5a). Pokorny, M&C y Montevideo conforman un primer grupo. Estos métodos califican la PF en un intervalo de uno a cuatro puntos, en este estudio generaron calificaciones de PF concentradas principalmente en los niveles inferiores. Para el caso de Montevideo, la estimación de la PF se basa en los siete grupos de características estructurales que establece Pokorny, razón que puede explicar la distribución similar de las calificaciones, incluidos los datos atípicos (Fig. 5a).

Las barras negras indican la mediana, los rombos negros la media y círculos blancos los valores atípicos. Letras diferentes sobre cada caja indican diferencia estadística significativa en el promedio de rangos entre métodos de evaluación a través del análisis de Kruskal-Wallis con p < 0.05 para cada componente.

Figura 5 Gráfica para la calificación estandarizada de a) probabilidad de falla, b) probabilidad de impacto y c) consecuencias de cada método de evaluación. 

Además, este método permite registrar dos probabilidades de falla de la parte del árbol más probable de fallar y de la parte con mayores consecuencias (^{Coelho, 2021}), lo cual puede representar una ventaja sobre Pokorny y M&C (Tabla 5). No obstante, al momento de generar la calificación final, se debe tomar en cuenta la PF que representa mayor riesgo. Lo anterior se considera también para generar las calificaciones de M&C.

Threats conformó un segundo grupo, sin embargo, no mostró diferencias significativas con M&C, Pokorny y Montevideo, ni con el tercer grupo formado por TRAQ (Fig. 5a). Este resultado es similar al de ^{Coelho-Duarte et al. (2021b)} para M&C y ^{Ameneiros et al. (2022)} para TRAQ. Este método evalúa la PF con base en un cálculo algorítmico que aumenta de manera exponencial al aumentar la severidad de la característica y la clasifica en cinco categorías (^{Calaza e Iglesias, 2016}). Sin embargo, para generar la calificación de riesgo se debe elegir la parte del árbol más peligrosa, situación similar al anterior grupo de métodos. Además, este método brinda la posibilidad de calificar la PF con un valor de 0, lo que puede repercutir en generar calificaciones de riesgo bajas (Tabla 5); es decir, con cualquier nivel de impacto y de objetivo, la calificación sería de 0 debido a la fórmula multiplicativa de estos factores para determinar el riesgo (Tabla 1). El método TRAQ define la PF con base en una escala ordinal de cuatro categorías, es el único método que permite definir múltiples PF, en raíces, tronco y ramas lo cual representa una ventaja sobre todos los métodos anteriores (Tabal 5). Por tanto, es posible considerar una PF para la característica con probabilidad inminente de falla como aquel que causará mayor daño (^{Coelho-Duarte et al., 2021b}). Sin embargo, la calificación de riesgo general será la más alta de todos los escenarios posibles evaluados.

Probabilidad de impacto (PI)

El método TRAQ presentó un valor de la mediana mayor de PI (Fig. 5b), junto con M&C formaron un grupo el cual comparte una escala similar, definida por cuatro categorías en función de la tasa de uso y ocupación del objetivo. Estos dos métodos brindan una guía para definir la tasa de ocupación, aunque TRAQ es mucho más específico en cada categoría. Pokorny mostró diferencias con los otros métodos, excepto con Montevideo, sin embargo, este resultado no es el esperado debido a que Montevideo determina la PI basado en el procedimiento de TRAQ, mientras que Pokorny maneja una escala similar, pero solo de tres niveles. Los dos métodos definen la tasa de ocupación. Threats también mostró diferencias, excepto con Montevideo, este método es el único que evalúa la PI con seis posibles categorías, definiendo ejemplos de tasas de ocupación para cada una. En este método se puede evaluar la PI con valor de 0 lo que indica la ausencia de objetivos, por tanto, sin presencia de objetivos el riesgo no existe (^{Ellison, 2005}); ello se refleja cuando se calcula la calificación de riesgo, debido a que, en cualquier caso, una PI de 0 brindaría una calificación de riesgo 0. Esta característica puede representar una desventaja al momento e interpretar el nivel de riesgo (Tabla 5) debido a que, aunque no existiera riesgo aún se tendrían consecuencias como la pérdida del hábitat o reducción de servicios ecosistémicos causados por la falla del árbol (^{Koeser et al., 2015}).

Todos los métodos evaluados determinan la PI de manera cualitativa (Tabla 5) lo que puede representar una desventaja, debido a que la PI es catalogada como uno de los componentes críticos más importantes en la evaluación del riesgo (^{Ellison, 2005}), y generar calificaciones subjetivas de PI mediante señales visuales agrega mayor incertidumbre en la evaluación del riesgo (^{Klein et al., 2016}). El uso de herramientas sencillas como contadores de tráfico vehicular o peatonal puede mejorar la estimación de la PI (^{Klein et al., 2019}); sin embargo, ninguno de los métodos evaluados enfatiza su uso. Es posible que el método TRAQ tenga el potencial de generar una evaluación más real de PI. ^{Koeser et al. (2015)} mencionan que los evaluadores avanzados que cuentan con certificaciones y calificaciones en Tree Risk Assessment Qualification (TRAQ) de la International Society of Arboriculture (ISA) brindan mayor importancia a la PI en la evaluación de riesgo por sobre la PF, que es uno de los componentes más subjetivos de la evaluación. Además, TRAQ es el único método evaluado que se incluye en la capacitación y obtención de certificaciones internacionales.

Consecuencias (Co)

El método M&C obtuvo la menor mediana en la calificación, lo que coincide con lo observado por ^{CoelhoDuarte et al. (2021b)}, además no existen diferencias estadísticas significativas entre M&C, Threats y Montevideo (Fig. 5c). El tamaño de la parte del árbol con probabilidad de fallar es un predictor significativo de las consecuencias de la falla (^{Klein et al., 2021}). Tanto M&C como Threats determinan las Co con base en una escala del tamaño de la parte con más probabilidad de fallar, referida a diámetro y peso. No obstante, ^{Coelho-Duarte et al. (2021b)} consideran que esta escala tiene como debilidad la sobreposición de los intervalos en estos dos métodos. Para el caso de Montevideo, las Co se calculan con base en la distancia de caída, presencia de masa reducida por degradación y una escala del tamaño de la parte más probable de falla basada en la escala de Threats (^{Coelho, 2021}), la cual fue modificada para evitar la sobreposición de intervalos. Sin embargo, Montevideo no presentó diferencias estadísticas significativas con ningún otro método.

El método Pokorny mostró diferencias significativas solo con M&C, la diferencia radica en que Pokorny utiliza tres intervalos de tamaño de la parte más probable de fallar, pero evita la sobreposición de estos, en contraste con los cuatro intervalos y sobreposición de M&C. Utilizar escalas de tamaño de la parte para definir las Co de la falla puede generar resoluciones falsas dado el entendimiento actual de los daños que pueden causar los árboles (^{Klein et al., 2021}). Por su parte, TRAQ utiliza el tamaño de la parte más probable de fallar para determinar las Co, la cual es expresada a través del diámetro, pero sin definir categorías de tamaños y toma en cuenta la distancia de caída de la parte, así como el tipo de objetivo y su posible protección. Klein et al. (2021) mencionan que para determinar las Co de la falla del árbol es necesario considerar la masa de la parte que puede fallar, la distancia de caída y la resiliencia del objetivo que puede ser afectado. Por tanto, la estimación de TRAQ puede valorar más adecuadamente las Co, coincidiendo con las conclusiones obtenidas por ^{Coelho-Duarte et al. (2021b)}.

Calificación de riesgo (Cri)

De acuerdo con el análisis de Kruskall-Wallis, la calificación de riesgo estandarizado mostró diferencias estadísticas significativas (p < 0.05) entre cada uno de los métodos evaluados (Fig. 6), lo que concuerda con las diferentes estructuras que conforman los métodos. En general, los pocos estudios que han comparado métodos de evaluación del riesgo concluyen que estos pueden determinar diferentes calificaciones de riesgo (^{Ameneiros et al., 2022}; ^{Coelho-Duarte et al., 2021b}; ^{Norris y Moore, 2020}). Por tanto, en un proceso de evaluación del arbolado es necesario elegir y mantener el mismo método para evitar cambios significativos en el nivel de riesgo (^{Coelho-Duarte et al., 2021b}). En la figura 6 se aprecia la formación de dos grupos, el primero lo integran Threats y TRAQ. Esta agrupación coincide con la de Norris y Moore (2020), quienes indican que estos métodos proporcionan calificaciones de riesgo más bajas.

Las barras negras indican la mediana, los rombos negros la media. Letras diferentes sobre cada caja indican diferencia estadística significativa (p < 0.05) en el promedio de rangos entre calificación de métodos de evaluación a través del análisis de Kruskal-Wallis.

Figura 6 Gráfica para la calificación de riesgo estandarizada de cada método de evaluación. 

Threats determina la Cri mediante la multiplicación de la probabilidad de falla, la puntuación de impacto y la puntuación del objetivo, el resultado abarca valores de 0 hasta 20 000, asignando la puntuación a una de las siete categorías de riesgo. Es el único método evaluado que puede generar una calificación de riesgo igual a 0, que equivale a la categoría de insignificante. Sin embargo, establecer un nivel de riesgo 0 puede no ser adecuado, ya que en zonas públicas es imposible mantener a los árboles libres de riesgo (^{Norris y Moore, 2020}; ^{Smiley et al., 2011b}). El método TRAQ es una actualización del método M&C, el cual está basado en matrices de riesgo y es el principal método estandarizado de evaluación utilizado en los Estados Unidos (^{Koeser, Hauer et al., 2016}). Esta actualización evaluó el riesgo del mismo escenario de árboles en niveles menores en comparación con su antecesor M&C (Fig. 6). El resultado es consistente con trabajos anteriores (^{Norris y Moore, 2020}; ^{Reyes et al., 2018}; ^{Saavedra-Romero et al., 2019}), pero contrasta con lo registrado por ^{Coelho-Duarte et al. (2021b)}. Estos autores obtuvieron una menor calificación de riesgo cuando se aplicó el método M&C, sin embargo, ellos mencionan que este método fue el más modificado a la hora de estandarizar sus resultados para llevar a cabo la comparación. La diferencia entre los métodos TRAQ y M&C se puede deber a que TRAQ genera una calificación de riesgo poniendo mayor énfasis en las consecuencias que la falla del árbol pueda tener sobre los objetivos (^{Norris y Moore, 2020}). Por su parte, M&C genera la calificación de riesgo asignando el mismo peso a la probabilidad de falla, probabilidad de impacto y consecuencias (todas evaluadas con una puntuación de 1 a 4).

El segundo grupo de métodos lo conforman Montevideo, Pokorny y M&C los cuales coinciden en que obtienen la Cri mediante la suma simple de la calificación de tres componentes principales que incluyen la probabilidad de falla, probabilidad de impacto y las consecuencias. Reyes et al. (2018) agruparon los métodos Pokorny y M&C como de igual desempeño al evaluar el riesgo. Además, ^{Norris y Moore (2020)} indican que estos métodos tienden a producir calificaciones más cercanas a la media dentro del intervalo de posibles puntuaciones.

‌Pokorny es un método que brinda mayor peso a la probabilidad de falla al momento de obtener la calificación de riesgo seguida de la probabilidad de impacto y tiene la particularidad de poder agregar hasta dos puntos extra a la calificación de riesgo, esto de manera opcional y en caso de que el evaluador así lo considere, sin embargo, la calificación máxima siempre será de 10 puntos. Por su parte M&C asigna el mismo intervalo de calificación a los tres componentes, sin embargo, los componentes de probabilidades tienen mayor énfasis que las consecuencias (^{Norris y Moore, 2020}). Al poner mayor peso en los componentes de probabilidad, la evaluación debe llevarse a cabo de manera más cuidadosa. No obstante, estos métodos determinan la probabilidad de falla e impacto a través de evaluación visual cualitativa y la probabilidad de falla es considerada una de las partes más difíciles de evaluar debido a que depende de la habilidad y experiencia del evaluador (^{Ellison, 2005}). Además, se recomienda tener algún equipo de monitoreo de tráfico para ayudar en la determinación más precisa de la probabilidad de impacto (comúnmente evaluado como tasa o nivel de ocupación) (^{Klein et al., 2016}). El método Montevideo es de nueva creación, está basado en métodos ya establecidos, incluso el intervalo de posibles calificaciones es el mismo que usa M&C, lo que explica que se encuentre en el mismo grupo. Estos métodos generaron calificaciones de riesgo más altas para el mismo escenario en comparación con el grupo 1. Aunque fueron pocos árboles en la categoría de riesgo muy alto (Fig. 3), obtener calificaciones en los niveles más altos de riesgo puede tener como consecuencia que un número mayor de árboles sean eliminados como medida de mitigación del riesgo (^{Norris y Moore, 2020}).