Modelos de Riesgo y Vulnerabilidad A Incendios Forestales

Documento Técnico
No. 7 - 2008
FOMABO
Modelos de Riesgo y
Vulnerabilidad a Incendios
Forestales, a partir de
condiciones naturales y
antrópicas; Caso de Estudio
Parque Nacional Tunari
Ing. MSc. Gustavo Guzmán Torrez
Ing. MSc. Armando M. Rodríguez Montellano
El “Documento Científico” es el producto de las actividades técnico-científicas,
desarrolladas en el marco del proyecto FOMABO, en la Universidad Autónoma
Gabriel René Moreno (UAGRM) de Santa Cruz a través de la Carrera de Ingeni-
ería Forestal, la Universidad Mayor de San Simón (UMSS) de Cochabamba a
través de la Escuela de Ciencias Forestales (ESFOR) y el Centro Danés de
Bosque, Paisaje y Manejo de la Universidad Real de Veterinaria y Agricultura
(KVL) de Copenhague, Dinamarca. El proyecto FOMABO esta financiado por la
Cooperación Danesa (DANIDA) a través del programa de capacitación e
investigación ENRECA.
El documento tiene el fin de comunicar normas, ensayos y

resultados de investigaciones científicas.
Las opiniones y juicios expresados en este documento son de exclusiva respon-

sabilidad del autor y no reflejan necesariamente la opinión o política de
UAGRM, UMSS o KVL.
Fotografías tapa
De izquierda a derecha: 1) Colecta muestras verdes de eucalipto, 2) Densidad de

cobertura PNT, 3) Post incendio 2007, 4) Rodal quemado de pino.
Referencia
Guzmán T. G, Rodríguez M. A. 2008. Modelo de Riesgo y Vulnerabilidad a

Incendios Forestales, a partir de condiciones naturales y antrópicas, Parque
Nacional Tunari . Documento Técnico Proyecto FOMABO CIIFOR no. 1-2008.
DOCUMENTO TÉCNICO No. 1 - 2008 / FOMABO
Modelos de Riesgo y Vulnerabilidad a

Incendios Forestales, a partir de
condiciones naturales y antrópicas;
Caso de Estudio Parque Nacional
Tunari
Ing. MSc. Gustavo Guzmán Torreza

Ing. MSc. Armando M. Rodríguez Montellanob
a. Docente - Investigador en la Universidad Mayor de San Simón (UMSS), Facultad de Ciencias

Agrícolas, Pecuarias, Forestales y Veterinarias. Escuela de Ciencias Forestales (ESFOR).
Carrera de Ingeniería Forestal. Coordinador General del Posgrado de la ESFOR. Av.
Atahuallpa (Final), Zona Temporal, Barrio Prefectural Casilla 447, Cochabamba, Bolivia.
Telf./fax: +591-4 4451236, cel: +591-4 70394655. e-mail: gguzman@umss.edu.bo ,
gguzman_7@hotmail.com.
b. Investigador Asociado Centro de Investigación e Innovación Forestal (CIIFOR) Universidad

Mayor de San Simón (UMSS), Facultad de Ciencias Agrícolas, Pecuarias, Forestales y
Veterinarias. Escuela de Ciencias Forestales (ESFOR). Carrera de Ingeniería Forestal. Av.
Atahuallpa (Final), Zona Temporal, Barrio Prefectural Casilla 447, Cochabamba, Bolivia
Telf./fax: +591-4 4451236. cel: +591 -4 71435778 e-mail: arodriguez@fcbc.org.bo,
forestry_bol@yahoo.es,.
Cochabamba - Bolivia
Editorial
Proyecto FOMABO/ESFOR-UMSS
Escuela de Ciencias Forestales de la Universidad Mayor de San Simón
Av. Atahualla (final), Zona Temporal, Barrio Prefectural s/n, Casilla 447,
Telf./fax: +591-04-4456187 Telf:4292343 Web: www.esfor.umss.edu.bo
E-mail: esfor@umss.edu.bo Cochabamba, Bolivia
Proyecto FOMABO/UAGRM
Carrera de Ingenieria Forestal Vallecito, Carretera al norte Km. 8,5
Santa Cruz de la Sierra, Bolivia
Responsable de edición:
Escuela de Ciencias Forestales (ESFOR)
Av. Atahuallpa (Final), Zona Temporal, Barrio Prefectural
Casilla 447, Cochabamba, Bolivia Telf./fax: +591-4 4451203
Web: www.esfor.ums.edu.bo/biblioesfor/
E-mail: esforumss@umss.edu.bo
Todos los Derechos Reservados

ISBN: 978 - 99905 - 893 - 3 - 7
Deposito legal: 2 - 2 - 1025 - 06
Tiraje
500 ejemplares
Impresión
Impresiones Poligraf
Todos los derechos reservados. Se autoriza la reproducción y difusión de material

contenido en este producto educativo para fines educativos u otros fines no
comerciales sin previa autorización escrita de los titulares de los derechos de autor,
siempre que se especifique claramente la fuente. Se prohíbe la reproducción del
material contenido en este producto educativo para reventa u otros fines comerciales
sin previa autorización escrita de los titulares de los derechos de autor.
INDICE
RESUMEN 5
ABSTRACT 6
1. INTRODUCCIÓN 7
1.1. ANTECEDENTES GENERALES 7
1.2. OBJETIVOS 8
OBJETIVO GENERAL 8
OBJETIVOS ESPECÍFICOS 8
2. MÉTODOS Y MATERIALES 8
2.1 DATOS EXTRAÍDOS EN CAMPO 8
2.2 CUANTIFICACIÓN DE COMBUSTIBLES FORESTALES 9
2.3 DATOS EN GABINETE SIG 11
2.4 PROCESAMIENTO DE LAS IMÁGENES DE SATÉLITE Y ANÁLISIS
DEL ÍNDICE DE VEGETACIÓN NORMALIZADO (NDVI) 11
2.5 NORMALIZACIÓN DEL ÍNDICE DE VEGETACIÓN 11
2.6 GENERACIÓN DE MODELOS DIGITALES DEL TERRENO 12
2.7 ANÁLISIS DE VARIABLES METEOROLÓGICAS 12
2.8 TEMPERATURA 13
2.9 DENSIDADES DE COBERTURA 13
2.10ANÁLISIS DE VARIABLES 14
INTEGRACIÓN DE LOS CRITERIOS 13
2.11ASIGNACIÓN DE VALORES DE IMPORTANCIA A LOS CRITERIOS 15
2.12ÁREA DE ESTUDIO 16
3. RESULTADOS 17
3.1 CARGA DE COMBUSTIBLE 17
3.2 FORMA Y TAMAÑO DEL COMBUSTIBLE 18
3.3 DISPOSICIÓN DEL COMBUSTIBLE 19
3.4 INTEGRACIÓN DE LOS CRITERIOS 19
3.5 MODELOS COMBUSTIBLES 20
3.6 MODELO ESPACIAL DE PONDERACIÓN PARA INCENDIOS FORESTALES 22
3.7 RIESGO A INCENDIOS FORESTALES 22
3.8 VULNERABILIDAD A INCENDIOS FORESTALES 24
4. DISCUSIÓN 25
5. CONCLUSIONES 26
6. AGRADECIMIENTOS 27
7. REFERENCIAS BIBLIOGRAFICAS 27
FOMABO
MODELOS DE RIESGO Y VULNERABILIDAD A INCENDIOS FORESTALES, A PARTIR DE CONDICIONES NATURALES Y
ANTRÓPICAS; CASO DE ESTUDIO PARqUE NACIONAL TUNARI
RESUMEN
Este estudio proporcionó un modelo espacial para evaluar el riesgo y la vulnerabilidad a
incendios forestales en un área representativa del Parque Nacional Tunari en el
departamento de Cochabamba, haciendo participe a instituciones locales en la
conformación de posibles acciones, luego de demostrar los resultados, se identificaron
variables preponderantes que influyen en la ocurrencia de estos siniestros desde el enfoque
predictivo. Se empleo básicamente el método de Análisis Espacial Multicriterio. La
estructura del índice de peligro de incendios forestales incluye tres componentes. El
componente de combustibles forestales, que tiene una alta o baja densidad de cobertura,
se evaluaron tres escenarios combustibles, i)Eucalyptus globulus. ii)Pinus radiata,
iii)Polylepis besseri, en estas áreas se valoró las actividades preventivas como los raleos,
remoción de hojarasca o cama de combustible; el componente meteorológico que se
estructurara con la integración de la temperatura superficial, la precipitación total mensual
y vientos predominantes, que se obtuvo básicamente a partir del Modelo de Elevación
Digital DEM. Por último, el componente de causa derivado mediante la evaluación de
elementos socioculturales y de uso del Suelo, representados por rasgos geográficos. Los
tres componentes se integraron en un modelo de integración y escenarios críticos que
mostrarán la localización de las áreas vulnerables y riesgosas a incendios forestales, y
posible comportamiento del fuego.
Palabras clave: Peligro de incendios, combustibles forestales, análisis multicriterio, Parque

Nacional Tunari
7
FOMABO
ABSTRACT
This study I provide a space model to evaluate the risk and vulnerability to forest fires in a
representative area of the National Park Tunari in the department of Cochabamba, doing
participates to local institutions in the conformation of possible actions, after demonstrating
the results, identified preponderant variables that influence in the occurrence of these
wrecks from the predictive approach. Use basically the method of Space Analysis
Multicriterio. The structure of the index of forest fire danger includes three components.
The forest fuel component, that has one of discharge or low density of cover, three
combustible scenes were evaluated, i)Eucalyptus globulus. ii)Pinus radiata, iii)Polylepis
besseri, in these areas I value the preventive activities like raleos removal of hojarasca or
combustible bed; the meteorological component that was structured with the integration
of the skin temperature, the monthly total precipitation and predominant winds, that of it
basically obtained from the Model of Digital Elevation DEM. Finally, the component of
cause derived by means of the evaluation of sociocultural elements and use of Soil,
represented by geographic characteristics. The three components integrated in model of
integration and critical scenes that showed the location of the vulnerable and risky areas
forest fires, and possible behavior of the fire.
Key words: Danger of fires, forest fuels, analysis multicriteria, National Park Tunari
8
FOMABO
1. INTRODUCCIÓN
1.1. Antecedentes generales
Los incendios en el Parque Nacional Tunari (PNT) son considerados como el factor de
perturbación que más daño ha causado y esta causando a los ecosistemas, y son la
resultante de la interacción de diversos elementos de carácter socioeconómico e incluso
político y cultural que, influidos por factores topográficos y climáticos, dificultan la
minimización de los daños. Con la finalidad de reducir los daños por el fuego, dirigir las
acciones de combate, y contar con una mejor eficiencia en el uso de los recursos humanos
y materiales, es preciso contar con estrategias de prevención y control de incendios.
Este espacio, de fuente de agua y aire para el desarrollo de la región, esta siendo cada vez
modificado provocando cambios drásticos en su estructura, extensión y composición
biológica de las especies existentes, todo esto provocada por la influencia humana
(comunidades, visitantes, otros) a través de los continuos incendios forestales, lo que esta
produciendo muchos efectos negativos en el suelo, en la vida silvestre, en la vegetación,
en el microclima, el turismo y la parte social.
Es necesario por tanto un esfuerzo en el desarrollo de modelos espaciales que permitan la

predicción y evolución de un incendio. Un trabajo de este tipo tiene que incluir los
factores que determinan el comportamiento del mismo como el clima, la meteorología,
la topografía, y la vegetación típica del PNT, que desde el punto de vista de acceso es muy
complicado obtener esta información.
El campo de aplicación de los Sistemas de Información Geográfica es amplio. Su rol como

herramienta para la toma de decisiones abarca en la actualidad a prácticamente todos los
ámbitos del desarrollo. Por ejemplo, es posible encontrar aplicaciones en la prevención
de desastres naturales, modelos de cambio climático, procesos de contaminación
ambiental, y en una diversidad de disciplinas profesionales relacionadas con la agricultura,
la pesca, la minería, la silvicultura, el desarrollo urbano y, en general, en todas aquellas
otras relativas al ordenamiento territorial, por lo que para esta investigación el SIG juega
un papel importante en el modelamiento planteado en este trabajo de investigación, que
nos permita elaborar un modelo espacial de riesgos y vulnerabilidad a incendios forestales
potenciales aplicando análisis multicriterio.
9
FOMABO
1.2. Objetivos
Objetivo general
• Elaborar un modelo espacial de riesgos y vulnerabilidad a incendios forestales
potenciales aplicando análisis multicriterio, a partir de la identificación de condiciones
naturales y antrópicas para el Parque Tunari, que permitan predecir la ocurrencia a estos
siniestros.
Objetivos específicos
• Compilar y generar bases de datos geográficos, biofísicos y meteorológicos.
• Evaluar el complejo de combustibles, bióticos y abióticos, forestales, pastizales y otros.
• Desarrollar herramientas de cómputo para el análisis de información de datos

geográficos, biofísicos y meteorológicos, que una vez procesados nos permitan generar
los mapas de riesgos de incendios forestales y a la vez permitan predecir los Incendios
forestales (IF).
• Integrar variables meteorológicas, socioeconómicas y de combustibles forestales con el

propósito de generar el Índice de Riesgo y Vulnerabilidad a los Incendios Forestales.
2. MÉTODOS Y MATERIALES
2.1 Datos extraídos en campo
El muestreo contempla dos tipos de áreas de trabajo: pre-muestreo y validación.
La primera ha sido realizada solo en puntos representativos, en el Parque Nacional Tunari,

mientras que la verificación se ha desarrollado, en toda el área protegida, en una serie de
zonas: Tirani, Leuquepampa, Pajcha. En el marco del riesgo de incendio (FIRERISK) se
muestrearon, además de las especies herbáceas, también se recogieron especies arbóreas,
Pinos, Eucaliptos, Kewiñas, en ambas se calcularon el contenido de humedad que después
fue relacionado con propiedades combustibles.
Para el muestreo de la cama combustible (pastos y mantillos generalmente) se diseño un

cuadrado de 2*2m de los cuales solo se muestreo uno de ellos vale decir 1m2. Las muestras
de humedad fueron tomadas desde junio a septiembre de 2006 durante los meses de
máximo peligro.
Las diferentes muestras de vegetación (pasto y material vegetal verde) se llevó a cabo de
manera aleatoria siguiendo un protocolo específico. Se tomaron entre 100 y 200 gramos
10
FOMABO
de muestra aproximado dentro del metro cuadrado, siendo pesadas en el momento de su

recolección mediante una balanza portátil (ver anexo 4.1, 4.2).
Posteriormente las muestras fueron trasladadas al laboratorio para ser secadas en una estufa
durante 72 horas a una temperatura de ±105ºC. Tras esta operación las muestras son
nuevamente pesadas para calcular el contenido de humedad. Dicho contenido, en este
estudio sobre peligro de incendio, se expreso como el porcentaje de peso en agua en
relación con el peso en seco, Fuel Moisture Content (FMC):
⎛ Ph − Ps ⎞
FMC = ⎜ ⎟ *100 Ec. 1
⎝ Ps ⎠
Donde:
FMC: Contenido de humedad del combustible (Fuel Moisture Content)
Ph: es el peso en húmedo de la muestra
Ps: el peso en seco de la misma muestra.
2.2 Cuantificación de combustibles forestales
Para la toma de datos referidos al complejo combustible, se recogierón muestras de todos

los tipos de combustible, hojarasca, mantillo, y otros ya descritos anteriormente, después
serán llevados a laboratorio para poder saber el comportamiento de contenido de
humedad.
Las partículas leñosas pequeñas pierden rápidamente parte de su humedad como

consecuencia de sus dimensiones, condición que favorece en gran medida la combustión
y el inicio de la mayoría de los incendios, por lo que constituyen una variable de gran
influencia en el peligro de incendios. Para estimar la cantidad o carga de combustibles, se
realizó un inventario con un diseño de muestreo estratificado al azar, donde los tipos de
vegetación constituyeron los estratos. La obtención de los datos se hizo con la técnica de
intersecciones, planimétricas, que ha sido difundida y utilizada en diversos tipos de bosques
con el fin de caracterizar el complejo de combustibles forestales (Brown, 1982; Van Wagner,
1982). Cada sitio de muestreo consiste en la ubicación de una línea de 20 m. de longitud
cuya dirección es definida aleatoriamente. Para el caso de la cama de combustibles
forestales, se registra la profundidad a los 5, 10, 15 y 20 m. de longitud de la línea. Además,
11
FOMABO
se colectó la hojarasca contenida en 1 m2, compuesto por cuatro cuadrantes de 0.25 m2

distribuidos a lo largo de la línea. Cada cuadrante es pesado in situ y se toma una muestra
de aproximadamente 300 gr. para su posterior secado en el laboratorio. El peso seco de
estas muestras será relacionado con el peso del material colectado in situ y de esta forma
se obtuvo la cantidad de este tipo de combustible por unidad de superficie (ver anexo 4.3
- 4.6).
Por otra parte, la estimación de la carga de combustibles superficiales muertos, se realiza

siguiendo los lineamientos propuestos por Van Wagner (1982), empleando la siguiente
ecuación:
⎛ 0.1234 ⎞ 2
W1 = ⎜G ⎟∑ d * c Ec. 2
⎝ L ⎠
Donde:
W1: peso del material combustible por unidad de superficie;
d: diámetro de la partícula en la intersección,
L: longitud de la línea de muestreo,
G: gravedad específica de la madera, 0.1234 la constante de transformación de volumen

a kg/m2 y, c un factor de corrección por pendiente el mismo que es calculado con la
siguiente ecuación:
⎛ % pendiente ⎞ 2
C = 1+ ⎜ ⎟ Ec. 3
⎝ 100 ⎠
Se analizan los datos para poder clasificar los combustibles en tres categorías: ligeros,
pesados y cama de combustibles. La carga de combustibles por tipo para cada estrato será
asignada a los polígonos de vegetación, dando lugar a la cartografía del complejo de
combustibles forestales (Ver Anexo 4,7 - 4,10).
Después de los cálculos (ver anexo 4.7 - 4.10) de contenido de humedad de los agentes
combustibles, extraídos en campo, y analizados en laboratorio e introducidos en NEXUS
se generaron resultados interesantes, de comportamiento de propagación por componente
combustible expresado en Kilómetros por hora.
12
FOMABO
2.3 Datos en gabinete Sistema de Información Geográfica (SIG)

Todos los datos colectados en campo (metereológicos, topográficos, combustibles,
socioeconómicos y de suelo) en principio se procesa y analizan individualmente, luego
estas se integran en un análisis u opción multicriterio, siguiendo algoritmos desarrollados
por el SIG, utilizando diferentes software.
2.4 Procesamiento de las imágenes de satélite y análisis del Índice de

Vegetación Normalizado (NDVI)
A partir de las bandas infrarrojas del Landsat (B3/B4), se obtienen los porcentajes de
cobertura y con la ayuda de los puntos de control se pudo correlacionar la información
de campo más la información del índice de vegetación normalizado NDVI.
(NIR − R)
NDVI = Ec. 4
(NIR + R)
Donde:
NDVI: Índice de Vegetación de Diferencial Normalizado
R: Banda Roja
NIR: Banda de Infra-rojo cercano
2.5 Normalización del índice de vegetación

Después de generar el mapa de índice normalizado de vegetación se vio conveniente
realizar una cierta calibración de las variaciones causadas por el rango espectral que
podría ser encubierto, es así que se aplican los siguientes algoritmos que fueron adoptados
y modificados de Chuvieco et. al (2000):
⎛ (118.49 + (520 * NDVI) + (3.82 * NDVI)) ⎞

ch pastos = ⎜ + 1208,25 * ED⎟ Ec. 5
⎝ TS ⎠
⎛ (21,199 + (91,476 * NDVI) + (8,60 * NDVI)) ⎞

chmatorral = ⎜ + 131,44 * ED⎟ Ec. 6
⎝ TS ⎠
Donde:
ED: EXP(-0,0222*JULIANO) , en función a las horas luz del lugar.
TS: Temperatura Superficial.
NDVI; Índice de Vegetación de Diferencial Normalizado
13
FOMABO
2.6 Generación de modelos digitales del terreno

Las variables topográficas seleccionadas son: la altitud sobre el nivel del mar y la
orientación de la pendiente. Ambos rasgos se consideraron como expresiones de la
variación de la temperatura y la humedad en el terreno, y para su representación se empleó
un modelo digital de elevaciones con una resolución espacial de 30 m. generado a partir
de curvas de nivel.
Para el efecto de proyectar el avance del incendio era necesario obtener el mapa de
pendientes, y de orientación para cuantificar las horas luz en cada zona por lo que se
calculó a partir de la siguiente ecuación.
⎛ HYP(DX.DY ) ⎞
Pendiente = 100 * ⎜ ⎟ Ec. 7
⎝ pixelsize * DEM ⎠
Donde:
HYP: Hipotenusa
DX: Diferencial de X
DY: Diferencial de Y
DEM: Modelo de Elevación Digital.
2.7 Análisis de variables meteorológicas

Se utilizó la temperatura media máxima mensual y precipitación total mensual, debido a
su influencia en el contenido de humedad de los combustibles, factor que regula la
ocurrencia de incendios forestales. Se busca el set de datos de estaciones metereológicas
de Cochabamba de años recientes. Para conocer la distribución espacial de las variables
meteorológicas, se recurre al método global de interpolación por funciones de regresión,
basado en el análisis de una serie de rasgos ligados al territorio, esto es, considerando la
relación existente entre la altitud, latitud y longitud de las estaciones meteorológicas y la
temperatura y la precipitación pluvial. El objetivo de este análisis es obtener modelos
numéricos que permitan estimar el valor de estas variables climáticas a partir de variables
independientes de fácil adquisición (Chuvieco et al., 2000).
14
FOMABO
2.8 Temperatura
La temperatura es uno de los factores más importantes por que permite la perdida de
humedad de la cobertura en función al contenido de humedad, estos datos se generan a
partir de las estaciones vecinas, de Linku Pata, que es la que tiene más datos y mucho más
confiables, otras estaciones circundantes son también tomadas en cuenta, La Violeta
(Tiquipaya), Wara Wara (PNT) y Chimboco (Sacaba).
Para corregir los datos generales y hacerlos más puntuales con unidades más pequeñas
que realmente nos sirvan para el análisis se empleo la Banda 6 del LANDSAT utilizando
las siguientes ecuaciones.
⎛ L + (Lmax − Lmin ) ⎞
L = ⎜ min ⎟*Q
⎝ 255 ⎠ Ec. 8
K2
T=
⎛ K1 ⎞
ln⎜ ⎟ Ec. 9
⎝ L + 1⎠
Donde:
L: valor de fulgor en el infrarrojo termal.

T: temperatura (kelvin).
Q: registro digital.
K1, K2,: coeficientes de la calibración.
K1=666.09 / (µm)
K2=1282.71 Kelvin
Lmin = 0.1238 vatios / (µm)
Lmax = 1.500 vatios / (µm)
2.9 Densidades de cobertura

El análisis de combustibles forestales se obtuvo a través de puntos de control, después de
calcular el mapa de densidades de dosel forestal, primero se sacaron puntos GPS con las
características de cada sitio y con la ayuda del programa de densidades (Gaplyght) con
fotografías extraídas de estos lugares se pudo calcular las densidades por cada una de las
especies forestales, (Kewiña, Pino, Eucalipto), a partir de estos datos más el Índice
Normalizado de Vegetación (NDVI) se calculó un mapa de densidades de cobertura
forestal en el Forest Canopy Density (FCD).
15
FOMABO
a Densidad Forestal de Eucalipto b Densidad Forestal de Kewiña c Densidad Forestal de Pino
Análisis de densidades de Cober- Análisis de densidades de Cober- Análisis de densidades de Cober-

tura forestal comparación con el tura forestal comparación con el tura forestal comparación con el
modelo FCD, Fotografía de Euca- modelo FCD, Fotografía de Poly- modelo FCD, Fotografía de Pinus
liptus sp, con resultados de pepis sp, con resultados de sp, con resultados de 22.00% de
60.02% de densidades. 15.08% de densidades. densidades.
Figura 1 Densidades de cobertura de tres especies seleccionadas en el Parque Tunari, para el

estudio y posterior incorporacion de las variables.
2.10 Análisis de Variables

Integración de los criterios
La integración de las variables para calcular el Índice de peligro y vulnerabilidad a

Incendios Forestales (IPIF) se hará en términos de un análisis Multicriterio (AMC). Análisis
que no es más que la valoración o ponderación en ambiente SIG sobre todas las variables
definidas, ponderándolas de acuerdo a su peligrosidad a provocar incendio forestal en el
área. A través de la selección y análisis de los criterios, se obtendrá una regla de decisión
que mostrará alternativas de solución al objetivo (Eastman, 1999), en este caso la
localización de áreas susceptibles a incendios forestales de acuerdo a las tablas antes
mencionadas, en este paso se crearan mapas intermedios con características de cada
variable en rangos definidos, estos mapas después serán cruzados en un análisis
multicriterio en el software ILWIS.
A continuación en la figura siguiente se describe como, secuencialmente se elaboró el

modelo (de abajo hacia arriba), desde la toma de datos o compilación de datos, hasta la
ponderación de las variables expresados en mapas para obtener el modelo final.
16
FOMABO
Figura 2 Flujograma para el análisis y modelamiento de incendios forestales
2.11 Asignación de valores de importancia a los criterios

En el contexto de la Asignación de valores de Importancia a los Criterios (AMC), se
considera que los criterios a evaluar no poseen el mismo grado de influencia en la solución
del problema espacial planteado, sino que existe un esquema jerárquico en donde cada
criterio aporta valores de importancia en distinta proporción. Para el modelo propuesto se
esperan obtener los componentes de combustibles forestales (CCF), meteorológico (CM)
y el de causa (CC), que dan lugar al IPIF. A continuación puede observarse la estructura
del modelo de peligro de incendios forestales, así como las variables que se evaluaron.
- Elevación
- Pendiente
- Dirección de Pendiente
- Modelo combustible
- Cobertura del dosel
- Altura del dosel
- Actividades antrópicas
- Grado de cobertura y densidad
Figura 3 Esquema de ponderación por variables en Fuzzy
Como resultado final a obtener en este paso son los mapas recategorizados en niveles de
riesgo, en base a estos mismos se realizan modelamientos también de comportamiento
de incendios en el software NEXUS.
17
FOMABO
En virtud de que cada criterio tiene unidades dimensiónales distintas, es necesario

estandarizar cada variable a un rango numérico común _escala byte_, lo que permitirá su
posterior combinación espacial a través de un promedio ponderado (Lowell, et al 1995).
La escala byte consta de 256 valores, donde el 0 representa el menor valor de la alternativa
y el 255 el mayor valor. Lo anterior indica que, conforme aumenta el valor byte el peligro
de incendios se incrementa. La estandarización de cada criterio fue llevada a cabo con el
comando FUZZY incluido en el programa ILWIS 3.3 (Integrated Land and Water
Information System).
2.12 Área de estudio

El Parque Nacional Tunari se localiza en el departamento de Cochabamba entre 17º00´-
17º30´ latitud sur y 66º00´ - 66º42´ longitud hacia el oeste. Su límite con el valle central
se define en la cota 2750m. línea divisoria entre la ciudad, pero especialmente cerca de
Cochabamba allí puede encontrarse las urbanizaciones sobre la cota permitida.
Figura 4 Ubicación del área de estudio
Su descripción Biogeográfica esta en la provincia Puna Peruana, Bosques púneños

subhumedos del Tunari (Serie de Berberis commutata, Polylepis besseri), pajonales
ribereños de Sehuenka (Cortaderia rudiuscula). Con pajonales subnival criorotropical
18
FOMABO
saxícola con Deyeuxia glacialis, Vegetación saxícola altoandina de pedregales y

afloramientos rocosos (Navarro et al 2005).
El Parque es un área protegida de importancia regional por la diversidad de sus recursos,

por el germoplasma de las especies nativas, adaptadas al medio. Su conservación y
protección pasa por el conocimiento de sus recursos, y la manutención del equilibrio
ecosistémico, que hasta ahora se preserva pero de manera dispuesta al creador.
Entre las plantaciones predominantes sobresalen los bosques de pino y los de eucalipto
de las cuencas, Pajcha, Canta rana, Wara wara y Pintu Mayu, que abarca más de 400 ha,
donde además existen varias comunidades campesinas entre las más importantes Tirani,
Andrada, Pocolla y Leuquepampa.
Puntualmente el estudio se llevará a cabo en áreas reforestadas con especies introducidas, el

área es muy importante tomarla en cuenta porque en ella se contemplan todas las variables
necesarias para poner en marcha el modelamiento a incendios forestales en el Parque, al
referirnos a áreas implantadas no estamos ignorando características biofísicas naturales, sino
más bien estamos tratando de vincular todas las variables de manera de tener un modelo
mas acorde a la realidad, pues esta área también contempla influencias antrópicas y naturales.
3. RESULTADOS
El análisis de variables climáticas y ambientales descritas en esta metodología, esta
delimitada por el área de estudio que cubre una superficie de 8.241.83 ha. siendo una
porción del Parque, zona seleccionada por tener un mayor número de diferencias en cuanto
a cobertura, altitud, exposición de luz, presencias antropicas, por turismo y agricultura.
El combustible es uno de los factores más importantes y muchas veces es decisivo

para el comportamiento del incendio. Basta recordar que es uno de los componentes
del conocido “triángulo del fuego”.
Las propiedades extrínsecas más importantes (aquellas que cambian de acuerdo con
la cantidad que se considere) y que afectan a la intensidad y velocidad de propagación,
son:
3.1 Carga de combustible

La carga de combustible se define como la cantidad de combustible (en base seca) por
unidad de superficie; se puede encontrar expresada en diferentes unidades como
toneladas por hectárea (t/ha), toneladas por acre (t/a), libras por pie cuadrado (lb/ft2) o
19
FOMABO
kilogramo por metro cuadrado (kg/m2).
Figura 5 Gráficas de componente combustible y modelo de comportamiento de incendio

forestal (estado natural) a)diámetro medio en pulgadas; b)altura promedio en pies; c) altura
y tamaño de dosel; d) Especies por estrato.
3.2 Forma y tamaño del combustible

Se puede afirmar que la forma y el tamaño son las características geométricas
más importantes del combustible. La forma se refiere al aspecto (cilíndrica, esférica,
irregular, etc.). El tamaño, al grueso, ancho y largo. Estos parámetros suelen presentarse
mediante la relación superficie/volumen (expresada normalmente con la letra s y las
unidades de m2/m3).
De manera general, se observa que el tiempo de ignición decrece conforme el

tamaño del combustible decrece (conforme s aumenta) y que la velocidad de
propagación de un incendio varía directamente con el valor de s.
20
FOMABO
Pinus sp
Pinus sp
Eucalyptus sp
Eucalyptus sp
Polilepis sp
Polilepis sp
Pastos + Matorrales
Pastos + Matorrales
Figura 6 Gráficas de componente combustible para tres tipos de cobertura
3.3 Disposición del combustible

La disposición del combustible se refiere a la distribución de la vegetación sobre el terreno,
tanto desde el punto de vista de un plano horizontal como de un plano vertical
Existe una extraordinaria variabilidad en la disposición del combustible, tipo, forma,

tamaño, compactación, por lo que es necesaria una clasificación del mismo. La forma
más común de realizar esta clasificación es mediante una descripción generalizada
del combustible en los denominados modelos de combustible.
Las características intrínsecas de los combustibles tales como poder calorífico,

composición química, densidad, conductividad térmica, etc. son igualmente
importantes para un estudio completo del fenómeno de combustión.
3.4 Integración de los criterios

El uso del software ILWIS 3.3 (Software Integrated Land and Water Information System),
permitio crear mapas intermedios con rangos definidos para cada una de las variables
utilizadas en el estudio a través del análisis multicriterio.
Cada variable se estandarizo a una escala byte logrando una ponderación numérica,
21
FOMABO
ponderándolas de acuerdo a su peligrosidad a provocar incendio forestal en el área, lo

anterior indica que, conforme aumenta el valor byte, el peligro de incendios se incrementa.
La estandarización de cada criterio fue llevada a cabo con el comando FUZZY incluido
en el programa ILWIS, anteriormente señalado.
Lograda la ponderación se logro integrar las variables y así calcular el Índice de Peligro y
el de Vulnerabilidad para la zona en estudio. La figura 7 nos señala gráficamente como se
toma en cuenta cada una de las variables Climáticas, de uso y cobertura y de combustibles
para la ponderación y al final lograr los mapas de Riesgo y Vulnerabilidad de manera de
encontrar las áreas susceptibles a los Incendios forestales acorde a las tablas antes
mencionadas.
Figura 7 Flujograma de modelo de Riesgo y Vulnerabilidad a incendios forestales en el PNT.
3.5 Modelos Combustibles

Los modelos combustibles fueron agrupados en siete, por la alta similitud con las otras
unidades, eso quiere decir que de los trece que tiene el modelo propuesto por Rothermel,
se obtuvo la re categorización, en la siguiente tabla se presentan estos modelos que tiene
su correspondencia en un mapa que tiene categorizaciones extrapoladas (anexo 4.7 -
22
FOMABO
4.10).
Tabla 1 Modelos seleccionados para el área de estudios (7 modelos combustibles)
23
FOMABO
Figura 8 Modelos Combustibles Seleccionados para el Estudio fuente: Modificado de Rothermel 1991
3.6 Modelo espacial de ponderación para incendios Forestales.

En función del objetivo, se seleccionaron 10 (diez) factores que pueden afectar las
probabilidades de riesgo a incendios forestales. Es importante mencionar que la
ponderación fue asignada a cada atributo de cada uno de los 10 mapas, y a cada mapa se
le asigno un peso ponderado. A continuación se presenta una síntesis de los factores
seleccionados e indicadores a utilizar posibles de incorporar en la Evaluación Multicriterio.
La integración de los criterios en cada componente y en el modelo final, se realizó

mediante una Combinación Lineal Ponderada, cuya expresión es:
Rif = ∑k w k rik eq.10
Donde:
Rif: es el vector de prioridades asociado con el késimo elemento de la estructura jerárquica

de los criterios
Skw = 1
rik: es el vector de prioridades derivado de la comparación de alternativas de cada criterio.
W: importancia de crirterio
R: alternativas estandarizadas
Esta regla de decisión incorpora un método aditivo diseñado para resolver el objetivo
planteado la localización de áreas susceptibles a incendios a través del producto de los
valores de importancia de cada criterio (w) y sus alternativas estandarizadas (r).
A continuacion se muestra el resultado de la ponderación de incendios forestales para el

área de estudio que despues fue extrapolada a toda el área protegida.
3.7 Riesgo a incendios forestales

El riesgo es la interacción de la amenaza y la vulnerabilidad en determinado momento y
circunstancia. El riesgo se puede estimar si se conocen las características de la amenaza
y de la vulnerabilidad (de infraestructura, social, económica, etc.)
24
FOMABO
Ese momento (temporal) y las condiciones de la zona (espacial) hacen que se pueda
predecir el riesgo del Incendio Forestal, en el marco del conocimiento y manejo adecuado
de los datos y la información, la presencia (p. ej.) de la vegetación mayor como las
plantaciones (nativas o exóticas) denota dos circunstancias, una que de todas maneras
protege el área y la otra es que el riesgo de incendio es mayor por la presencia de
combustible en el área.
En segundo lugar la agricultura en todas sus formas unida a la preparación de los terrenos
para la siembra de sus productos provoca, también un riesgo mayor para los incendios,
sin embargo como se dijo anteriormente el manejo de la información por parte del
personal del PNT, respecto del ordenamiento predial, el acceso a las zonas de mayores
riesgos pre-determinado y una capacitación en manejo y control de los Incendios
Forestales disminuirá tremendamente el riesgo de las diferentes áreas a los Incendios.
Figura 9 Mapa de Riesgo a incendios forestales en el PNT.
Por último, las áreas destinadas a los pastizales merecen una atención específica y acá es
donde se observa con claridad que el manejo de esta área debe ser integral, para esto
recomendar que el Servicio Nacional de Áreas protegidas (SNAP), retitulice a esta reserva
como un área de manejo integrado, esto permitirá realizar acciones mucho más centradas
en el potencial de uso de los suelos, sin embargo sin un impulso por parte de la Prefectura
25
FOMABO
esto no prosperará y las actividades que enfocan a un control de quemas en el área serán
vanas.
3.8 Vulnerabilidad a incendios forestales

La vulnerabilidad a incendios forestales es la susceptibilidad o predisposición intrínseca del
Parque Nacional Tunari o de algún ecosistema del PNT a ser afectado seriamente. Además
del factor interno de riesgo, esta situación depende de la actividad humana presente.
La vulnerabilidad no es general, sino que debe entenderse en función de cada tipo de

amenaza que podría sufrir el PNT.
La amenaza en el Parque esta dada por acciones derivadas de la interacción de la

actividad humana y la naturaleza. que son provocadas por el abuso y el descuido de la
acción humana en su relación con el medio ambiente, por ejemplo, no practicar
silvicultura preventiva. En el caso de los rodales tanto de pino como de eucalipto es que
no se desarrollan esquemas de manejo de plantaciones, estas debían planificarse desde el
inicio del establecimiento incluso y generar planes de manejo acorde a la fisiología de la
especie y el desarrollo de los árboles.
En el caso de la agricultura de susbsistencia y la intensiva en el caso de la preparación de

terrenos y su habilitación para las siembras lo requerido es que los mismos propietarios
asuman las actividades de quemas controladas sin permitir que el fuego se escape de sus
linderos de las áreas que están en preparación, esto necesariamente requiere de una
capacitación en temas de manejo y control del fuego.
26
FOMABO
Figura 10 Mapa de Vulnerabilidad a Incendios Forestales para el parque Nacional Tunari.
Así mismo el renuevo de pastizales debe enmarcarse en las quemas prescritas, no sin antes
ensayar una introducción de especies adecuadas que se adapten a las condiciones de sitio
y cumplan doble propósito ser de utilidad para el ganado lanar de la zona y por el otro
protejan el suelo. Un ordenamiento predial sumado a la concienciación de los comunarios
contribuirá de manera particular a la preservación integral del PNT.
4. DISCUSIÓN
La descripción de los diversos aspectos fenomenológicos que intervienen en los
incendios forestales pone de manifiesto su extraordinaria complejidad. La gama de
posibilidades que afectan a este tipo de incendios es extraordinariamente amplia: el tipo
de combustible (árboles, matorral, pastizal, etc.), las condiciones del terreno (pendiente,
orientación.) y las condiciones meteorológicas (humedad, velocidad del viento), junto a
los factores antrópicos (de muy difícil predicción) hacen sumamente difícil la modelización
de este fenómeno.
Las propiedades del combustible y la influencia del terreno aumentan extraordinariamente

la complejidad de los incendios forestales cuando se los compara con los incendios
de hidrocarburos (tan importantes en la industria química que, por el intenso estudio al
que han sido sometidos, podrían contribuir al marco de referencia para un tratamiento
cuantitativo). Así mismo, el continuo desplazamiento del frente de llama sobre un terreno
de condiciones variables constituye un elemento diferencial respecto a otros tipos de
incendio, contribuyendo a complicar aún más la modelización.
Es evidente por tanto que, si bien es factible una aproximación cuantitativa basada
en los métodos ingenieriles usados en la modelización del fuego en otros campos, la
misma estará sometida a las limitaciones originadas por estos condicionantes.
Las posibilidades y condiciones en un incendio son infinitas; dentro de esta amplia gama,
se han seleccionado condiciones de alto riesgo de manera que en caso de ocurrencia de
un incendio en el PNT, se predecirá la posibilidad de ocurrencia y la forma en la que se
podrá comportar el fuego y que permita su control.
Con objeto de mejorar la capacidad de discriminación del índice final de riesgo, se ha

procedido a reclasificar el mismo a partir de una modificación de las tablas con las que
se obtiene el mapa final de riesgos y vulnerabilidades por grados.
27
FOMABO
Los resultados de los estudios de bondad del índice después de los reajustes a través de
los análisis de sensibilidad, indican una clara mejoría en la capacidad del mismo para
distinguir entre los distintos estratos de riesgo, que permitirán a los guardaparques
principalmente atender o dar prioridad a estas zonas en fechas previstas, sobre todo entre
los valores alto y extremo.
Desarrollar las capacidades de análisis del riesgo a nivel de todas las instituciones
involucradas, para la toma de decisiones en Ordenamiento y Desarrollo Territorial,
seria el siguiente paso de este estudio, con el afán de formar o conformar un programa de
incendios forestales que pase de local a nacional donde se puede hacer nuevas
investigaciones, que permitan ampliar el panorama, incorporando en sus políticas
preventivas, acciones contra incendios, educación sobre el comportamiento de fuego en
ciertas condiciones como también el uso de herramientas de alerta como un Sistema de
Información Geográfica que puedan utilizar los guardaparques.
Y talvez lo más importante la adecuación de la Legislación a fin de que pueda ser aplicada
en los planes de desarrollo de infraestructura y de uso del suelo, que tengan relación
principalmente con la restricción en Áreas Protegidas.
Todavía queda mucho por hacer, por investigar sobre este tema y lo mas importante poner
en marcha algún programa o proyecto de prevención, utilizando estas investigaciones
como base para poner en práctica lo aprendido, seria muy bueno continuar esta
investigación en temas referidos a:
• Técnicas de prevención de incendios forestales.

• Sistemas de alerta temprana.
• Delimitación de puntos de vigilancia.
• Comportamiento de regeneración de especies afectadas por incendios.
• Cursos de actualización sobre acciones rápidas.
• Guías de control y prevención a incendios forestales.
5. CONCLUSIONES
La presente investigación realizada en el PNT y sobre una amplia muestra de datos
meteorológicos e historial de incendios forestales en una porción del Parque, que se ha
clasificado a efectos de predicción del índice de riesgo de incendios forestales y áreas
vulnerables, en el modelo planteado en este estudio, indican un buen ajuste en general
entre los valores de la probabilidad de ignición y la ocurrencia de incendios y, sobre todo,
la extensión de los mismos.
28
FOMABO
En el caso de los valores finales del índice de riesgo y vulnerabilidad obtenidos a partir de
los valores de la probabilidad de ignición, viento, combustibles, los resultados indican
que se mantiene un buen nivel de correlación entre dicho índice y los incendios que se
producen en, los meses de junio a principios de septiembre por el aumento de vientos y
por la época seca que aprovechan los comunarios para realizar barbechos.
6. AGRADECIMIENTOS
Este proyecto fue desarrollado con el apoyo institucional y financiero del Proyecto Manejo
de Bosques FOMABO de la Universidad Mayor de San Simón UMSS – Escuela de Ciencias
Forestales ESFOR.
7. REFERENCIAS BIBLIOGRÁFICAS
Albini F. A., Stocks B. J. 1986. “Predicted and observed rates of spread of crown fires in
immature jack pine”. Combustion Science and Technology, 48: 65-76.
Arnaldos J., Navalón X., Pastor E., Planas E., Zárate L. 2001. “Manual d’enginyeria per a
la prevenció d’incendis forestals”. Centre d’Estudis del Risc Tecnològic. E.T.S.E.I.B. - U.P.C.,
Barcelona.
Brown, J. K., R. D. Oberheu and C. M. Johnston 1982. Handbook for inventorying surface
fuels and biomass in the interior west, USDA Forest Service, General Technical Report INT-
129.
Byram, G.M. 1959. “Combustion of forest fuels”. A Forest fire control and use, K.P
Davis.(ed.). McGraw-Hill, Nueva York.
Catchpole T., de Mestre N. 1986. “Physical models for a spreading line fire”. Australian
Forestry, 49(2): 102–111.
Chandler, C., Cheney, P., Thomas, P., Trabaud, L. and Williams, D.1991. Fire in forestry.
Volume I. Forest Fire behaviour and effects. Krieger Publishing Company, 450 pp.
Chuvieco, E., F. Salas and C. Vega 2000. “Remote sensing and GIS for long-term fire risk
mapping. Megafires Project”, in Chuvieco, E. (ed.), A review of remote sensing methods
for the study of large wildland fires, Universidad de Alcalá, pp. 91-107.
Dupuy J. L., Larini M. 1997. “Fire spread through a porous forest fuel bed: A radiative and
convective model including fire-induced flow effects”. International Journal of Wildland
Fire, 9(3): 155-172.
ENCOFOR 2005. Environment and community based framework for designing
afforestation, reforestation and revegetation projects in the CDM: Pre-Feasibility Report
Tunari Case Study
29
FOMABO
FAO. Forest Fire - The Situation (http://www.fao.org/montes/fon/fonp/fire/firesit.stm)

Lowell, K.; Gold, Ch. 1995. “Using a fuzzy surface-based cartographic representation to
decrease digitising efforts for natural phenomena”. Cartography and Geographic
Information Systems. Vol 22, nº 3, pp. 222-231.
Mostacedo, B., T.S. Fredericksen, K. Gould and M. Toledo 1999. Comparacion de la
respuesta de las comunidades vegetales a los incendios forestales en los bosques tropicales
secos y humedos de Bolivia. Documento Técnico 83.
Navarro G., Maldonado M., 2005. Geografia ecoligica de Bolivia, Vegetacion y Ambientes
Acuaticos. pp 243-250.
Pyne S. J., Andrews P. L., Laven, R. D. 1996. “Introduction to wildland fire”. 2nd Edition.
John Wiley & Sons Ltd., Nueva York.
Rodríguez, N. y A. Moretti. 1988. Índice de peligro de propagación de Incendios
Forestales. VI Congreso Forestal Argentino. Tomo III. Santiago del Estero. 5pp.
Rothermel R.C. 1972. “A mathematical model for predicting fire spread in wildland fuels”.
USDA Forest Service Research, Paper INT-115.
Rothermel R.C. 1991. “Predicting behavior and size of crown fires in the Northern Rocky
Mountains”. USDA Forest Service Research, Paper INT-438.
Salas, F. 1995. Detección de áreas de riesgo de incendio forestal a partir de los Sistemas
de Información Geográfica y la Teledetección, tesis Doctoral, Universidad de Alcalá de
Henares, España.
Sánchez, J. 1989. “Los incendios forestales y las prioridades de investigación en México”,
Congreso Forestal Mexicano, tomo II, México, pp. 719-723.
Scott J.H. 1999. “Nexus: A system for assessing crown fire hazard”. Fire Management
Notes, 59(2): 20-24.
Van Wagner C. E. 1968. “Fire behavior mechanisms in a red pine plantation: field and
laboratory evidence”. Can. Dep. For. Rural Develop., For. Branch, nº 1129. Ottawa.
Viegas D. X., Ribeiro P. R., Maricato L. 1998. “An empirical model for the spread of a
fireline inclined in relation to the slope gradient or to wind direction”. III International
Conf. on Forest Fire Research -14th Conference on Fire and Forest Meteorology (I), p. 325
– 342.
30
FOMABO
ANEXO 1:
Anexo 1: Base de datos
31
FOMABO
Anexo 2 Planilla de Campo de datos Biofisicos
32
FOMABO
Anexo 3 Planilla de campo de datos de Cobertura y combustibles forestales
33
FOMABO
Anexo 3.1 Descripción simplificada de los modelos de combustible de

Rothermel (1972)
34
FOMABO
Anexo 4: Informe Graficado (fotografías)

Diferentes muestras de vegetación (pasto y material vegetal verde)
Anexo 4.1 Pesaje de muestra in situ Anexo 4.2 Pesaje muestra verde in situ
Anexo 4.3 Pesaje en laboratorio Anexo 4.4 Pesaje muestra verde en laboratorio
35
FOMABO
Anexo 4: Informe Graficado (fotografías)

Diferentes muestras de vegetación (pasto y material vegetal verde)
Anexo 4.5 Recolección de muestras combustibles herbáceas.
Anexo 4.6 Area de extracción de muestras herbáceas.
36
FOMABO
Anexo 4.7 Modelo combustible 1 Anexo 4.8 Modelo combustible 2
Anexo 4.9 Modelo combustible 3 Anexo 4.10 Modelo combustible 4 - 7
Anexo 4.11 Area incendiada agosto 2006 Anexo 4.12 Area incendida agosto 2006
37
FOMABO
Publicaciones en la serie “Documento Científico” Proyecto FOMABO

2005
No 1. Ponce, E., 2005. Valoración de niveles de participación de las comunidades de la TCO ”Guarayos”,
Bolivia, en actividades de manejo forestal sostenible. Documento Científico Proyecto FOMABO no. 1
- 2005. Proyecto FOMABO, Cochabamba, Bolivia.
No 2. Ponce, E., 2005. El proceso de desarrollo curricular en la carrera de Ingeniería Forestal de la Universidad
Autónoma “Gabriel Rene Moreno” Santa Cruz, Bolivia. Documento Científico Proyecto FOMABO no.
2 - 2005. Proyecto FOMABO, Cochabamba, Bolivia.
No 3. Ponce, E., 2005. Análisis multicriterio para la planificación de caminos de bajo impacto en la concesión
forestal “Lago Rey” Santa Cruz, Bolivia. Documento Científico Proyecto FOMABO no. 3 - 2005.
Proyecto FOMABO, Cochabamba, Bolivia.
2006
No 1. Ponce, E., 2006. Sostenibilidad del manejo de los bosques secos tropicales de Bolivia aplicando
múltiples objetivos. Documento Científico Proyecto FOMABO no. 1 - 2006. Proyecto FOMABO,
Cochabamba, Bolivia.
No 2. Sandoval, Eduardo. 2006. Ensayo de longevidad de semillas de quebracho blanco. Documento científico
Proyecto FOMABO no. 2 -2006. Proyecto FOMABO, Santa Cruz, Bolivia.
No 3. Sandoval, Eduardo. 2006. Consideraciones económicas sobre plantaciones de serebó. Documento
científico Proyecto FOMABO no. 3 -2006. Proyecto FOMABO, Santa Cruz, Bolivia.
Publicaciones en la serie “Informe Técnico” Proyecto FOMABO

2006
No. 1. Kamelarczyk, FBF, E. Magariños y R.C. Bulegio, 2006. Memoria del taller para fortalecer la asignatura
de Forestería Comunitaria en la UMSS y UAGRM. Informe Técnico Proyecto FOMABO no. 1-2006.
Proyecto FOMABO, Santa Cruz, Bolivia.
No 2. Raebild, A. y H. Meilby. 2006. Calculo de tablas volumétricas y tablas de crecimiento. Documento
Técnico Proyecto FOMABO no. 2-2006. Proyecto FOMABO, Santa Cruz, Bolivia
No 3. Raebild, A., 2006. Análisis estadístico de ensayos multi-especies de FOMABO. Informe Técnico Proyecto
FOMABO no. 3-2006. Proyecto FOMABO, Santa Cruz, Bolivia
No 4. Pérez Castellón, Ariel, 2006. Análisis de políticas publicas relacionadas con la investigación forestal en
Bolivia. Informe Técnico Proyecto FOMABO no. 4-2006. Proyecto FOMABO, Santa Cruz, Bolivia
No 5. Coca Morante, M. y A. A. Stilma, 2006 (eds). Taller de evaluación y planificación de actividades de
investigación para el trópico de Cochabamba. Informe Técnico Proyecto FOMABO no. 5-2006. Proyecto
FOMABO, Cochabamba, Bolivia.
No 6. Coca Morante, M., 2006 (ed). Taller interno sobre actividades académicas, investigación e interacción
universitaria en la escuela de Ciencias Forestales (ESFOR). Informe Técnico Proyecto FOMABO no. 6-
2006. Proyecto FOMABO, Cochabamba, Bolivia.
No 7 Sandoval, Eduardo. 2006. Programa de compensación por servicios ambientales en Santa Cruz.
Documento Técnico Proyecto FOMABO no. 7-2006. Proyecto FOMABO, Santa Cruz, Bolivia.
38
Que es el proyecto FOMABO?
El proyecto de mejoramiento de la capacidad
de investigación “Manejo forestal de las tierras
bajas de Bolivia” (FOMABO) es una
colaboración entre la UAGRM (Santa Cruz,
Bolivia), la UMSS (Cochabamba, Bolivia) y la
KVL (Copenhague, Dinamarca). Desde fines
del 2000, el proyecto ha operado con el
objetivo de desarrollo de mejorar la capacidad
para el manejo sostenible de los recursos
forestales en las tierras bajas de Bolivia. El
trabajo está organizado en tres componentes:
(1) educación y organización, (2) ecología y
manejo forestal, y (3) forestería comunitaria,
economía forestal, políticas y planificación. La
visión de largo plazo del proyecto es durante
un periodo de 12 años la de crear las
capacidades necesarias de investigación y
formación concernientes al manejo y
planificación forestal sostenible, especialmente
en relación con formas de manejo basadas en
comunidades rurales locales y la utilización de
especies arbóreas valiosas produciendo
madera y productos no maderables en áreas de
manejo forestal natural, agroforestería y
reforestación de áreas degradadas.
CONTACTOS
FOMABO-UMSS
Universidad Mayor de San Simón (UMSS)
Facultad de Ciencias Agrícolas y Pecuarias (FCA y P)
Escuela de Ciencias Forestales (ESFOR)
Av. Atahuallpa (Final), Zona Temporal, Barrio Prefectural, Casilla 447,
Cochabamba, Bolivia
Telf./fax: +591-4 4451203
E-mail: esforumss@umss.edu.bo
FOMABO-UAGRM
Universidad Autónoma “Gabriel René Moreno” (UAGRM)
Facultad de Ciencias Agrícolas
Carrera de Ingeniería Forestal
“Vallecito”, Carretera al Norte Km. 8.5, Santa Cruz de la Sierra, Bolivia
Telf./fax: +591 3 344 2553
E-mail: edg@kvl.dk
FOMABO-KU
Universidad Real de Veterinaria y Agricultura (KVL)
Centro Danés de Bosque, Paisaje y Manejo
Rolighedsvej 23, 1958 Frederiksberg C., Copenhague, Dinamarca
Telf.: +45 35 28 17 66
Fax: +45 35 28 15 08
E-mail: cnh@kvl.dk

Modelos de Riesgo y Vulnerabilidad A Incendios Forestales

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelos de Riesgo y Vulnerabilidad A Incendios Forestales

Cargado por

Copyright:

Formatos disponibles

Documento Técnico

El documento tiene el fin de comunicar normas, ensayos y

Las opiniones y juicios expresados en este documento son de exclusiva respon-

De izquierda a derecha: 1) Colecta muestras verdes de eucalipto, 2) Densidad de

Guzmán T. G, Rodríguez M. A. 2008. Modelo de Riesgo y Vulnerabilidad a

Modelos de Riesgo y Vulnerabilidad a

Ing. MSc. Gustavo Guzmán Torreza

a. Docente - Investigador en la Universidad Mayor de San Simón (UMSS), Facultad de Ciencias

b. Investigador Asociado Centro de Investigación e Innovación Forestal (CIIFOR) Universidad

Todos los Derechos Reservados

Todos los derechos reservados. Se autoriza la reproducción y difusión de material

1.1. ANTECEDENTES GENERALES 7

2.1 DATOS EXTRAÍDOS EN CAMPO 8

2.2 CUANTIFICACIÓN DE COMBUSTIBLES FORESTALES 9

2.3 DATOS EN GABINETE SIG 11

2.4 PROCESAMIENTO DE LAS IMÁGENES DE SATÉLITE Y ANÁLISIS

DEL ÍNDICE DE VEGETACIÓN NORMALIZADO (NDVI) 11

2.5 NORMALIZACIÓN DEL ÍNDICE DE VEGETACIÓN 11

2.6 GENERACIÓN DE MODELOS DIGITALES DEL TERRENO 12

2.7 ANÁLISIS DE VARIABLES METEOROLÓGICAS 12

2.9 DENSIDADES DE COBERTURA 13

INTEGRACIÓN DE LOS CRITERIOS 13

2.11ASIGNACIÓN DE VALORES DE IMPORTANCIA A LOS CRITERIOS 15

3.1 CARGA DE COMBUSTIBLE 17

3.2 FORMA Y TAMAÑO DEL COMBUSTIBLE 18

3.3 DISPOSICIÓN DEL COMBUSTIBLE 19

3.4 INTEGRACIÓN DE LOS CRITERIOS 19

3.5 MODELOS COMBUSTIBLES 20

3.6 MODELO ESPACIAL DE PONDERACIÓN PARA INCENDIOS FORESTALES 22

3.7 RIESGO A INCENDIOS FORESTALES 22

3.8 VULNERABILIDAD A INCENDIOS FORESTALES 24

Palabras clave: Peligro de incendios, combustibles forestales, análisis multicriterio, Parque

Es necesario por tanto un esfuerzo en el desarrollo de modelos espaciales que permitan la

El campo de aplicación de los Sistemas de Información Geográfica es amplio. Su rol como

• Evaluar el complejo de combustibles, bióticos y abióticos, forestales, pastizales y otros.

• Desarrollar herramientas de cómputo para el análisis de información de datos

• Integrar variables meteorológicas, socioeconómicas y de combustibles forestales con el

La primera ha sido realizada solo en puntos representativos, en el Parque Nacional Tunari,

Para el muestreo de la cama combustible (pastos y mantillos generalmente) se diseño un

de muestra aproximado dentro del metro cuadrado, siendo pesadas en el momento de su

FMC: Contenido de humedad del combustible (Fuel Moisture Content)

Ph: es el peso en húmedo de la muestra

Ps: el peso en seco de la misma muestra.

2.2 Cuantificación de combustibles forestales

Para la toma de datos referidos al complejo combustible, se recogierón muestras de todos

Las partículas leñosas pequeñas pierden rápidamente parte de su humedad como

se colectó la hojarasca contenida en 1 m2, compuesto por cuatro cuadrantes de 0.25 m2

Por otra parte, la estimación de la carga de combustibles superficiales muertos, se realiza

W1: peso del material combustible por unidad de superficie;

d: diámetro de la partícula en la intersección,

L: longitud de la línea de muestreo,

G: gravedad específica de la madera, 0.1234 la constante de transformación de volumen

2.3 Datos en gabinete Sistema de Información Geográfica (SIG)

2.4 Procesamiento de las imágenes de satélite y análisis del Índice de

2.5 Normalización del índice de vegetación

⎛ (118.49 + (520 * NDVI) + (3.82 * NDVI)) ⎞

⎛ (21,199 + (91,476 * NDVI) + (8,60 * NDVI)) ⎞

2.6 Generación de modelos digitales del terreno

DEM: Modelo de Elevación Digital.

2.7 Análisis de variables meteorológicas

L: valor de fulgor en el infrarrojo termal.

2.9 Densidades de cobertura

a Densidad Forestal de Eucalipto b Densidad Forestal de Kewiña c Densidad Forestal de Pino