Articulos

 

Aptitud territorial para establecer sistemas de captación del agua de lluvia para combatir incendios forestales

 

Land suitability for establishing rainwater harvesting systems for fighting wildfires

 

José María León Villalobos¹, Manuel Anaya Garduño¹, José Luis Oropeza Mota¹, Enrique Ojeda Trejo¹, Dante Arturo Rodríguez Trejo² y Jorge Luis García Rodríguez³

 

¹ Colegio de Postgraduados, Campus Montecillo. Correo-e: jomalevi@yahoo.com.mx

² División de Ciencias Forestales, Universidad Autónoma Chapingo

³ Subgerencia de Inventario y Monitoreo de Suelos Forestales. Comisión Nacional Forestal.

 

Fecha de recepción: 15 de mayo de 2012;
Fecha de aceptación: 18 de junio de 2013.

 

RESUMEN

El control de incendios forestales con helicópteros es una práctica común en el Estado de México que está limitada por la disponibilidad de fuentes de agua para la recarga de las aeronaves. Los sistemas de captación del agua de lluvia (SCALL) se pueden usar para su abastecimiento. La identificación de sitios con aptitud para SCALL en zonas de alta incidencia de incendios es fundamental para mejorar la eficiencia del control aéreo; sin embargo, la selección de los lugares requiere integrar numerosas variables. En el presente estudio se efectuó un análisis de evaluación multicriterio mediante Sistemas de Información Geográfica (SIG) para identificar los sitios con aptitud para SCALL en el área de interés, para lo cual se eligieron cinco variables: velocidad de ráfaga de viento, distancia a los caminos, escurrimiento superficial, evaporación y densidad de incendios. Las variables fueron ponderadas con el apoyo del coordinador de vuelo de las aeronaves y se integraron en un mapa de aptitud por el método de combinación lineal ponderada en Arc Gis 9.2 y Arc View 3.2. Se detectaron de forma rápida y flexible dos sitios con aptitud para establecer SCALL en el área de estudio: uno al norte y otro al sur; y el mapa que los muestra se elaboró a una escala de 1 a 10.

Palabras clave: Evaluación multicriterio, control aéreo de incendios forestales, combinación lineal ponderada, densidad de incendios forestales, escurrimiento superficial, velocidad de ráfaga.

 

ABSTRACT

Aerial fire fighting with a helicopter is a usual practice in Mexico State, the availability of water near to the wildfire area is crucial to refill the bucket and reduce the time between successive drops. Rain Water Harvesting system (RWH) can be used to supply water for the helicopter to combat wildfires. Identification of potential sites for RWH at places with high recurrence of wildfire is essential to improve the efficiency of the practice. However, selection of appropriate sites for RWH requires the integration of several variables. The identification of suitability sites for RWH was achieved using a multicriteria spatial analysis in a Geographical Information System (GIS) environment at the East of Mexico State, for three municipalities Chalco, Ixtapaluca and Tlalmanalco. Five variables were used to identify suitable sites for RHW: wind speed, wildfire density, distance to roads, runoff and evaporation. Each variable was ranked and weighted consulting the expert and a Weighted Linear Combination (WLC) was performed to generate the suitability map using Arc Gis 9.2 and Arc View 3.2. Suitability sites for RWH that met most of the criteria considered are found in North and South of the study area. The conclusion is that the identification of suitability sites to establish RWH system to supply water for the helicopter with the proposed method is a rapid and flexible tool. The output suitability map for the study area showed sites for RHW systems ranked from 1 to 10.

Key words: Multicriteria analysis, aero fire fighting, weighted linear combination, wildfire density, runoff, burst speed.

 

INTRODUCCIÓN

Los efectos del cambio climático global en México y en otros países se ha manifestado en sequías más severas y duraderas, condiciones que incrementan la probabilidad de incendios y megaincendios forestales (Dury et al., 2011; Semarnat-Conafor, 2011).

Los incendios forestales a nivel nacional y estatal varían en número y superficie afectada. Los años de mayor siniestralidad por estos eventos en la historia reciente de México han sido 1998 y 2011, con 849 632 y 956 405 ha afectadas, respectivamente (Semarnat, 2012); mientras que el promedio anual es de 10 521, que dañan a 292 701 ha (Rodríguez et al., 2000).

El Estado de México ha sido la entidad federativa con más superficie incendiada, con 25 847 y 9 284 ha en los años antes citados, y por número de conflagraciones, con un total de 27 318 en el periodo de 1996 a 2011. La Promotora de Bosques del Estado de México (Probosque) identifica como zona de alto riesgo a la región del Izta-Popo y a los municipios: Chalco, Tlalmanalco e Ixtapaluca (Probosque, 2011).

En la entidad, la Comisión Nacional Forestal (Conafor) y Probosque utilizan el control aéreo para los incendios mayores de 5 ha o con acceso restringido, mediante dos helicópteros: un Augusta 119 tipo Koala (Probosque, 2007) y un Bell 205 o Bell 212, a los que se les adaptó una Bambi Bucket^® (canastilla) y un helibalde para la recarga y transporte del agua. Un problema recurrente al usar estas aeronaves es la limitada disponibilidad de sitios para tomar el agua, lo que incide en el tiempo destinado a este fin y al correspondiente para el desplazamiento al lugar del incendio.

Los sistemas de captación del agua de lluvia (SCALL) son tecnologías para concentrar, almacenar y colectar el escurrimiento del agua de lluvia que se implementan a nivel local y regional (Burkhard et al., 2000; De Winnaar et al., 2007). Pueden proveer de este líquido para el abastecimiento oportuno de los helicópteros en el control de incendios forestales. El apoyo que brindan al control aéreo de incendios suele consistir en una ladera impermeabilizada como área de captación, un sistema de conducción y uno de almacenamiento con un depósito prefabricado (Anaya, 2011).

La localización de un SCALL en una región depende de múltiples factores y en numerosos estudios, los sistemas de información geográfica (SIG) han funcionado como una herramienta para ubicarlos. La mayoría de estos trabajos identifican los sitios con aptitud para SCALL por reglas de decisión y el conocimiento experto (Zeyad, 2001; Mbilinyi et al., 2007).

Para seleccionar sitios con aptitud para las estructuras de almacenamiento de agua, Durga-Rao y Bhaumik (2003) utilizaron un sistema espacial experto y árboles de decisión construidos con base en directrices técnicas e información de expertos, con las siguientes variables: uso del suelo, pendiente, escurrimiento potencial, proximidad a caminos, geología, suelos y drenaje. Isioye et al. (2012) identificaron la aptitud de sitios para SCALL en un ambiente SIG a partir de la combinación lineal ponderada como método de evaluación multicriterio y el apoyo de tomadores de decisiones, a fin de integrar las variables de precipitación, pendiente, suelo, drenaje y uso del suelo. Con el propósito de ubicar los mejores sitios para estructuras de captación del agua de lluvia, Al-Adamat et al. (2010) aplicaron, mediante un SIG, la combinación lineal ponderada y la clasificación booleana a las variables de precipitación pluvial, pendiente, distancia a caminos, porcentaje de arcillas y distancia a centros urbanos.

Como el uso de aeronaves es una práctica común en el control de incendios forestales en el Estado de México es conveniente identificar lugares con aptitud para SCALL que permitan la recarga de agua de las mismas. En ese contexto, en el presente estudio se determinan sitios en tres municipios del oriente del estado; para lo cual se usó la combinación lineal ponderada como método multicriterio en un ambiente SIG y el conocimiento experto del coordinador de vuelo del helicóptero para seleccionar y priorizar las variables que definen la aptitud de los sitios.

 

MATERIALES Y MÉTODOS

Área de estudio

El área de interés se localiza al oriente del Estado de México, en las estribaciones de la Sierra Nevada y comprende los municipios Chalco, Tlalmanalco e Ixtapaluca (Figura 1); cuenta con una superficie de 70 668.09 ha.

En el lugar, el intervalo altitudinal es de 2 500 a 5 200 m de oeste a este y del punto más alto al más bajo, la temperatura media anual varía entre 9 °C y 18 °C; la precipitación media anual es de 377 a 771 mm. Los suelos en las áreas de planicie y lomeríos son Feozems, Luvisoles, Gleysoles, Regosoles y Solonchacks; en las partes más altas corresponden a Litosoles, Cambisoles y Andosoles. La vegetación es bosque de oyamel y zacatones subalpinos, en las partes altas, así como bosques de pino, encino, matorrales y pastizales. Los cultivos de temporal son maíz, trigo, haba, frijol y frutales y los de riego, hortalizas. El suelo urbano se distribuye hacia el oeste de Chalco e Ixtapaluca (SMAGEM, 2010a; SMAGEM, 2010b; SMAGEM, 2010c).

 

Selección de variables

Las variables más importantes para la recarga eficiente de agua por el helicóptero y la funcionalidad del SCALL (Cuadro 1) se seleccionaron de acuerdo con Dai-Ré (2003); Ramakrishnan et al. (2009); Escamilla et al.(2010) y Weerasinghe et al. (2010) y las entrevistas con el coordinador de vuelo. Para procesar espacialmente las variables y elaborar los mapas se utilizó ArcView 3.2 y ArcGis 9.2.

Las variables de visibilidad, temperatura del aire, pendiente y altitud fueron descartadas por las siguientes razones: a) la zona de estudio presentó solo 22 días con niebla fuera de la temporada de incendios; b) en el caso de la temperatura, se han realizado vuelos en condiciones menores de 0 °C sin contratiempo; c) las pendientes son mayores a 2 % en el área de estudio, lo que garantiza la correcta operación del SCALL; y d) el control aéreo de incendios se ha realizado con eficiencia en altitudes mayores a 4 000 m. Además, c y d fueron priorizadas con valores bajos por el experto.

 

Las variables se procesaron en el SIG de la manera siguiente:

a) Velocidad de ráfaga (máxima velocidad de viento): esta es una variable importante para la ubicación de los sitios con aptitud para SCALL; cuando las velocidades de ráfaga de viento son mayores a 50 km h^-1 son un factor de riesgo para la recarga de agua por el helicóptero.

El mapa se elaboró con las medias aritméticas de los registros de velocidad de ráfaga de ocho EMAS localizadas en el área de estudio para los meses de diciembre a julio. Las medias aritméticas se interpolaron con el método IDW (Inverse Distance Weighting, inverso de la distancia ponderada) en ArcGis 9.2. El tamaño del pixel utilizado fue de 30 x 30 metros con un factor de ponderación de 2 m, radio de búsqueda variable y un número de puntos de tres. El mapa se reclasificó de acuerdo con la escala de Beaufort que mide la intensidad de los vientos en kilómetros hora^-1 (Kinsman, 1969).

b) Densidad de incendios forestales: los SCALL deben estar próximos a las áreas con mayor concentración histórica de incendios forestales por razones de eficiencia operativa. Se generó un mapa de densidad de siniestros a partir de 456 registros para el periodo 2005 – 2010, mediante el módulo point density de ArcGis 9.2 (De la Riva et al., 2004; Vilar del Hoyo, 2007).

c) Cercanía de caminos: la proximidad de los caminos al sitio del SCALL facilita su construcción y mantenimiento, así como el rápido acceso de las brigadas en tierra que asisten la aeronave. Los caminos se digitalizaron sobre imágenes SPOT 5 y se generaron intervalos con distancias verticales en metros con el módulo de distancia euclidiana en ArcGis 9.2.

d) Escurrimiento superficial: se calculó con el método de Número de Curva (NC), propuesto por el USDA Soil Conservation Service (SCS) (Dai-Ré, 2003) y con la expresión:

Donde:

Q = Escurrimiento superficial en mm

P = Precipitación pluvial promedio anual ajustada a una función de distribución para un determinado periodo de retorno

S = Relación complejo suelo – cubierta vegetal y es función de los NC

La precipitación pluvial se procesó de acuerdo con la metodología propuesta por Campos (1998) de la manera siguiente:

1) Se calculó la longitud de registro necesaria (número de años de registro) para que la media de los datos de precipitación pluvial variara solo en 10% respecto de la media poblacional con un intervalo de confianza de 90%.

2) Se estimaron los coeficientes de variación, oblicuidad y asimetría, los cuales se usaron como criterios para seleccionar la función de distribución Normal o Log – Normal que mejor ajustaba a los datos, ambas funciones son ampliamente recomendadas para los escurrimientos anuales (Riggs y Harrison, 1983).

3) Para garantizar una oferta de precipitación con probabilidad de 90 % se calculó un periodo de retorno de 1.1 año.

Se asignó un grupo hidrológico a cada unidad de suelo y un tipo de condición hidrológica por unidad de vegetación de acuerdo con los cuadros del USDA SCS; previamente se actualizó una cobertura de vegetación del año 2008 con imágenes SPOT 5 del 2010 y clasificación supervisada manual.

Las coberturas del grupo hidrológico y la condición hidrológica se sobrepusieron en el programa ArcView 3.2 y se les asignó un NC para una humedad antecedente tipo II. Esta última equivale a una precipitación pluvial de 12.7 a 38.1 mm ocurrida en los 5 días previos que se recomienda para el diseño en embalses pequeños (Ramakrishnan et al., 2009).

El escurrimiento superficial se estimó en milímetros con la expresión arriba indicada y de manera distribuida con un valor de precipitación pluvial por pixel en el módulo de Map Calculator de ArcView 3.2. Para obtenerlo en metros cúbicos, se multiplicó por la superficie de cada celda (900 m²).

e) Evaporación: se usa para cuantificar las pérdidas que se presentan en el SCALL (Dai-Ré, 2003). Para su determinación se interpolaron los valores promedios anuales por el método de IDW en Arc Gis 9.2.

 

Mapa de aptitud para SCALL

El mapa de aptitud para SCALL se integró por la combinación lineal ponderada como método multicriterio de los mapas de las variables de densidad de incendios, escurrimiento superficial, evaporación, velocidad de ráfaga y distancia a los caminos (Bojórquez - Tapia et al., 2003).

Para favorecer un mapa continuo de fácil interpretación y aplicar la combinación lineal ponderada, los mapas de las variables descritas, previamente, fueron estandarizadas en cuatro clases.

El coordinador de vuelo de las aeronaves realizó la priorización de las variables según su orden de importancia; le asignó el número 1 a la variable de mayor interés, el valor 2 para la segunda y así sucesivamente de acuerdo a su conocimiento experto. Sobre las variables priorizadas se obtienen los pesos numéricos con el método de suma y recíproco con la siguiente fórmula (Semarnat - INE, 2006):

 

Donde:

Wj = Peso normalizado para el j – i ésimo atributo

n = Número de atributos bajo consideración

r = Posición del atributo en la lista ordenada

Las cinco variables y sus pesos numéricos respectivos: 0.33, 0.27, 0.20, 0.13 y 0.07 se integraron aplicando la fórmula de la combinación lineal ponderada:

Donde:

a = Valor de aptitud de la alternativa k, para el problema j

W = Peso de importancia asignado para el atributo i por el problema j

X = Valor de la variable y que representa el atributo i del problema j

El mapa de aptitud se estandarizó en una escala de 0 a 10; donde, 0 representa la mínima aptitud y 10, la máxima.

 

RESULTADOS

Las variables de velocidad de ráfaga, distancia a caminos, escurrimiento superficial, evaporación y densidad de incendios fueron "espacializadas" en una superficie total del área de estudio de 70 668 ha y clasificadas en cuatro categorías; la clase 4 representa el estado deseable de la variable en todos los casos (Cuadro 2).

 

Para cada variable se observó lo siguiente:

a) Velocidad de ráfaga: las velocidades más intensas se registraron al noreste y las menores al suroeste del área. La clase 4 está presente en 48.39% del área de estudio con velocidades de 29 a 38 km h^-1 y de 39 a 49 km h^-1 clasificadas como viento fresco y brisa fresca en la escala de Beaufort.

b) Distancia a caminos: la clase 4, distancias de 0 a 1 000 m, se obtuvo en poco más de 94% de la superficie del área de estudio. Solo 0.64 % del territorio quedó comprendido con distancias mayores a 2 000 m.

c) Escurrimiento superficial: se identificaron los mayores volúmenes al sur del municipio Tlalmanalco y los menores al norte, en el municipio Ixtapaluca. La clase cuatro y óptima fue de 415 a 667 m³.

d) Evaporación: se registraron valores promedios anuales entre 1 080 y 1 968 mm. La clase 4, y óptima, fue de 1 080 a 1 968 mm, que corresponde a 47.32 % de la superficie. Las mayores evaporaciones, 1 745 a 1 968 mm, se registraron en las zonas urbanas.

e) Densidad de incendios: las densidades estimadas fueron de 0 a 3.3 incendios km^-2. Como clase óptima se seleccionó la de 2.4 a 3.3 incendios km^-2, misma que se encuentra en 4.31% del territorio.

En la Figura 2 se muestran los mapas obtenidos de las variables a) velocidad de ráfaga, b) distancia a caminos, c) escurrimiento superficial, d) evaporación, e) densidad de incendios, y f) mapa de curvas numéricas. La combinación lineal ponderada de ellas en un SIG hizo posible identificar en un mapa los sitios con aptitud para establecer SCALL de apoyo al control aéreo de incendios forestales (Figura 3). Se identificaron las mayores aptitudes al noreste del municipio Ixtapaluca y al sur de Tlalmanalco. En 0.12 % de estos sitios se verificó una aptitud máxima con valor de diez, 8.0 % con una aptitud de nueve y 20.17 % una aptitud de 8. Con cinco se ubicó 30.49 % del área de estudio (Cuadro 3).

 

DISCUSIÓN

La presente investigación permitió identificar sitios con aptitud para SCALL de apoyo al control aéreo de incendios forestales mediante la combinación lineal ponderada como método multicriterio y la experiencia de los expertos para resolver un problema complejo.

Algunas investigaciones con un esquema similar simplifican el análisis de aptitud a dos variables: a) escurrimiento superficial, por el método de curvas numéricas (Gutpa et al., 1997) y b) pendientes (Mbilinyi et al., 2007). Otros esfuerzos amplían el número de variables en función del escurrimiento superficial e incluyen el tipo del suelo, la vegetación y los usos del suelo (Stuebe y Johnston, 2007).

En el análisis de la aptitud de sitios para SCALL la pendiente tiene una importancia limitada, dada la tecnología disponible, hoy día (laderas impermeabilizadas) que garantiza escurrimientos superficiales con apenas 2% de pendiente (Anaya, 2011). Asimismo, esta puede analizarse in situy durante el diseño del SCALL. En cambio, para Gutpa et al. (1997) dicha es clave para SCALL de uso agrícola por su influencia directa sobre el escurrimiento.

La altitud también se descartó del análisis, principalmente, porque el control aéreo de incendios se ha realizado con eficiencia en condiciones mayores a 4 000 m. En la zona de estudio no se han registrado incendios que rebasen las 5 ha en altitudes superiores.

Una de las variables determinantes para la identificación de sitios con aptitud para SCALL por su variabilidad fue el escurrimiento superficial. Al sureste del área de interés se identificaron de 415 a 667 m³ como resultado de números de curva altos (70, 73 y 86), suelos del tipo Regosol y precipitaciones pluviales de 600 mm anuales. También el uso de suelo agrícola, los pastizales o la ausencia de vegetación con suelos de moderada permeabilidad favorecieron grandes volúmenes de escurrimiento. Lo anterior fue igualmente observado por Sekar y Randhir (2007) en un estudio similar, en el que los tipos de suelo y su capacidad de infiltración afectaron de manera directa dichos valores. En cambio, al noreste del área de estudio se identificaron escurrimientos de 163 a 280 m³ debido a que las láminas de precipitación pluvial son más reducidas y que los suelos tienen mayor permeabilidad, como los Feozem.

En cuanto a la distancia a caminos, todos los sitios identificados como óptimos para SCALL estaban a menos de 1 000 m; es decir, en la clase 4 (0 a 1 000 m), debido a la amplia red de caminos y carreteras existentes en los tres municipios. En otras propuestas, sobre todo agrícolas, la distancia óptima del SCALL a los caminos se define entre 1 000 y 2 000 m (De Winnaar et al., 2007). Para el presente trabajo se requería la menor distancia por razones de construcción y de acceso rápido para el equipo en tierra que asiste a la aeronave.

La integración multicriterio de las cinco variables con la combinación lineal ponderada identificó los sitios con aptitud para SCALL de apoyo al control aéreo de incendios forestales, en los cuales, los pesos numéricos asignados a cada variable representan la significancia que tienen de manera individual en el análisis (Isioye et al., 2012). Asimismo, las clases definidas para cada variable son los niveles de estado favorable y de relevancia en una determinada fracción del territorio.

Las correspondientes a la densidad de incendios, escurrimiento superficial y evaporación obtuvieron los pesos numéricos más altos para definir los sitios con mayor aptitud al noreste y sur del área de estudio. Este comportamiento también fue observado por Weerasinghe et al. (2010) en un trabajo similar en el que los mayores pesos numéricos, así como las clases óptimas determinaron la identificación de sitios potenciales para construir SCALL.

El método multicriterio integró y maximizó los niveles óptimos de las variables para identificar la aptitud en prácticamente todos los casos (Semarnat – INE, 2006). Aunque, se identificaron algunos sitios en la zona norte del área de estudio con posibilidades altas para SCALL en clases no óptimas (clase 1: 75 – 117 km ^-1) de la variable velocidad de ráfaga. Lo anterior, se explica por el escaso número de Emas y de años de registro que miden las velocidades de ráfaga. En estudios de velocidad de viento, Simiu (1978) observó que las estaciones meteorológicas con registros menores a 10 años no cuentan con información suficiente para producir resultados satisfactorios.

Otros factores pueden considerarse en un análisis de aptitud para SCALL de apoyo al control de incendios forestales, tales como el interés de las comunidades aledañas al sitio del proyecto, financiamiento, impacto ambiental, el relieve o el área de la cuenca; sin embargo, estas pueden ser evaluadas sobre el sitio elegido para construir el SCALL y tomar en cuenta, además, las condiciones del terreno y el diseño de la estructura (Sekar y Randhir, 2007; Ramakrishnan et al., 2009).

 

CONCLUSIONES

La presente investigación identificó sitios con aptitud para establecer SCALL de apoyo al control aéreo de incendios forestales en tres municipios de la zona oriente del Estado de México, mediante la integración de variables que afectaban directamente la recarga de agua de los helicópteros; además de, la funcionalidad del SCALL a través del método de combinación lineal ponderada y el conocimiento experto del operador de vuelo de los helicópteros.

Se detectaron sitios con buenas aptitudes para SCALL en poco más de 28% de la zona norte de Ixtapaluca y sur de Tlalmanalco. Las variables mejor ponderadas y sus niveles óptimos definieron dichos sitios, excepto para el caso de la velocidad de ráfaga en la que clases no óptimas se encontraron en algunos sitios con buena aptitud para SCALL, lo que pudo deberse al escaso número de Emas y de años de registro.

La aptitud identificada demuestra las capacidades de la combinación lineal ponderada y del conocimiento experto para identificar los sitios con potencial para SCALL de apoyo al control aéreo de incendios forestales de una forma flexible y a bajo costo, y proporciona un marco útil para la toma de decisiones en materia de incendios forestales.

Se recomienda que en futuras investigaciones se consideren como variables a los incendios con superficies impactadas mayores a 5 ha o los menos accesibles, ya que estos son los que requieren de las aeronaves; así como a las precipitaciones pluviales, en lugar de la tasa de escurrimiento superficial, que con los recursos tecnológicos disponibles (impermeabilización de laderas) se pueden controlar en favor del diseño del SCALL.

A lo anterior se tendrán que sumar elementos económicos y sociales que permitan decidir sobre el tipo de estructura (diseño) que sea más costeable y cause el menor impacto ambiental.

 

REFERENCIAS

Al-Adamat, R., A. Diabat and G. Shatnawi. 2010. Combining GIS with multicriteria decision making for sitting water harvesting ponds in Northern Jordan. Journal of Arid Environments 11(74):1471-1477.         [ Links ]

Anaya G., M. 2011. Captación del agua de lluvia. Colegio de Postgraduados. Montecillo, Edo. de. Méx., México. 132 p.         [ Links ]

Bojórquez – Tapia, L. A., L. P. Bower, G. Castilleja, S. Sánchez-Colón, M. Hernández, W. Calvert, S. Díaz, P. Gómez-Priego, G. Alcantar, D. Melgarejo, M. Solares, L. Gutiérrez and M. Juárez. 2003. Mapping expert knowledge: redesigning the Monarch Butterfly Biosphere Reserve. Conservation Biology 17 (2): 367-379.         [ Links ]

Burkhard, R., A. Deletic and A. Craig. 2000. Techniques for water and wastewater management: a review of techniques and their integration in planning. Urban Water 2 (3):197-221.         [ Links ]

Campos A., D. F. 1998. Procesos del ciclo hidrológico. Universidad Autónoma de San Luis Potosí. San Luis Potosí, SLP. México. 556 p.         [ Links ]

Dai-Ré T., R. 2003. Pequeños embalses de uso agrícola. Editorial Mundi Prensa. Madrid, España. 385 p.         [ Links ]

De La Riva, J., F. Pérez-Cabello, N. Lana-Renault and N. Koutsias. 2004. Mapping wildfire occurrence at regional scale. Remote Sensing of Environment 92 (2):363-369.         [ Links ]

De Winnaar, G., G. P. W. Jewitt and M. Horan. 2007. A GIS-based approach for identifying potential runoff harvesting sites in the Thukela River basin, South Africa. Physics and Chemistry of the Earth, Parts A/B/C. 32(3):1058-1067.         [ Links ]

Durga-Rao, K. H. V. and M. K. Bhaumik. 2003. Spatial expert support system in selecting suitable sites for water harvesting structures. A case study of song watershed, Uttaranchal, India. Geocarto International 18(4):43-50.         [ Links ]

Dury, M., A. Hambuckers, P. Warnant, A. Henrot, E. Favre, M. Ouberdous and L. François. 2011. Responses of European forest ecosystems to 21st century climate: assessing changes in interannual variability and fire intensity. Forest – Biogeo-sciences and Forestry 4(1):82–99        [ Links ]

Escamilla, G., J. P. Pérez y L. Valenzuela P. 2010. La brigada de helitanque y los procedimientos de trabajo con helicópteros. Corporación Nacional Forestal. Santiago de Chile, Chile. 52 p.         [ Links ]

Gutpa, K., K., J. Deelstra and K. D. Sharma. 1997. Estimation of water harvesting potential for a semiarid area using GIS and remote sensing. http://iahs.info/redbooks/a242/iahs_242_0053.pdf (22 de febrero de 2012).         [ Links ]

Isioye, O. A., M. W. Shebe, U. O. Momoh and C. N. Bako. 2012. A multicriteria decision support system (MSDD) for identifying rainwater harvesting site(s) in Zaria, Kaduna state, Nigeria. International Journal of Science and Technology Education Research 24(1):53-71.         [ Links ]

Kinsman, B. 1969. Historical notes on the original Beaufort scale. Marine Observer 39:116–124.         [ Links ]

Mbilinyi, B. P., S. D. Tumbo, H. F. Mahoo and F. O. Mkiramwinyi. 2007. GIS - based decision support system for identifying potential sites for rainwater harvesting. Physics and Chemistry of the Earth, Parts A/B/C. 32(16):1074-1081.         [ Links ]

Promotora de Bosques del Estado de México (Probosque). 2007. Combatirán incendios por aire. Toluca, Estado de México. http://portal2.edomex.gob.mx/edomex/inicio/index.htm (20 de enero de 2012).         [ Links ]

Promotora de Bosques del Estado de México (Probosque). 2011. Probosque en alerta durante la temporada de estiaje. http://www.forestalxxi.com/index.php?option=comcontent&view=article&id=243:probosque-en-alerta-durante-la-temporada-de-estiaje&catid=76:proboosque&Itemid=70 (20 de enero de 2012).         [ Links ]

Ramakrishnan, D., A. Bandyopadhyay and K. Kusuma. 2009. SCS - CN and GIS - based approach for identifying potential water harvesting sites in the Kali Watershed, Mahi River Basin, India. Journal of Earth System Science118 (4):355-368.         [ Links ]

Riggs, H. C. and C. H. Harrison. 1983. Storage analysis for water supply. Hydrological analysis and interpretation, techniques of water resources investigations of the U. S. Geological Survey. http://pubs.usgs.gov/twri/twri4a1/pdf/twri_4-A1_a.pdf. (11 de febrero de 2012).         [ Links ]

Rodríguez T., D. A., M. Rodríguez A. y F. Sánchez. F. 2000. Educación e incendios forestales. Mundi-Prensa. México, D.F. México. 201 p.         [ Links ]

Secretaría de Medio Ambiente y Recursos Naturales (Semarnat). 2012. Sistema Nacional de Información Forestal. Reportes semanales de resultados de incendios forestales. http://www.cnf.gob.mx:8080/snif/portal/las-demas/reportes-de-incendios-forestales (18 de enero de 2012).         [ Links ]

Secretaría de Medio Ambiente y Recursos Naturales (Semarnat). – Comisión Nacional Forestal (Conafor). 2011. Evaluación complementaria del Programa E013 Prevención y Combate de incendios forestales. Ejercicios fiscales. http://semarnat.gob.mx/programas/evaluaciones/evaluaciones_2011/Documents/complementarias/E013_CONAFOR_Informe_Final.pdf (25 de enero de 2012).         [ Links ]

Secretaría del Medio Ambiente y Recursos Naturales (Semarnat) – Instituto Nacional de Ecología (INE). 2006. Manual del proceso de ordenamiento ecológico. Secretaría del Medio Ambiente y Recursos Naturales. México D.F. México. 335 p.         [ Links ]

Secretaría del Medio Ambiente del Gobierno del Estado de México (SMAGEM). 2010a. Ordenamiento Ecológico del municipio de Chalco. Toluca, Edo. de Méx. México. 499 p.         [ Links ]

Secretaría del Medio Ambiente del Gobierno del Estado de México (SMAGEM). 2010b. Ordenamiento Ecológico del municipio de Ixtapaluca. Toluca, Edo. de Méx. México. 375 p.         [ Links ]

Secretaría del Medio Ambiente del Gobierno del Estado de México (SMAGEM). 2010c. Ordenamiento Ecológico del municipio de Tlalmanalco. Toluca, Edo. de Méx. México. 343 p.         [ Links ]

Sekar, I. and T. O. Randhir. 2007. Spatial assessment of conjunctive water harvesting potential in watershed systems. Journal of Hydrology 334 (2):39-52.         [ Links ]

Simiu, E. 1978. Wind effects on structures: an introduction to wind engineering. John Willey and Sons, Co. New York, NY.USA. 589p.         [ Links ]

Stuebe, M. M. and D. M. Johnston. 2007. Runoff volume estimation using GIS techniques. Journal of the American Water Resources Association 26(4):611–620.         [ Links ]

Vilar del Hoyo, L., I. Nieto G., M. P. Martín I. y F. J. Martínez V. 2007. Análisis comparativo de diferentes métodos para la obtención de modelos de riesgo humano de incendios forestales. http://www.geogra.uah.es/firemap/pdf/VilardelHoyo_et_al_SPAIN.pdf (20 de enero de 2012).         [ Links ]

Weerasinghe, H., U. Schneider and A. Löw. 2010. Water harvest and storage location optimization model using GIS and remote sensing. http://balwois.com/balwois/administration/fullpaper/ffp-1653.pdf (5 de febrero de 2012).         [ Links ]

Zeyad, M. 2001.Using remote sensing approach and surface landscape conditions for optimization of watershed management in Mediterranean regions. Physics and Chemistry of the Earth, Parts A/B/C. 36(6):213-220.         [ Links ]