INFORME SOBRE SISTEMA DE LOS EFECTOS DE LA CUBIERTA FORESTAL Y LA

PERTURBACIÓN SOBRE LAS AMENAZAS TORRENCIALES: EVIDENCIA A GRAN ESCALA

DE LOS ALPES ORIENTALES

JOEL ANDRÉS MORENO PALACIOS

UNIVERSIDAD TECNOLOGICA DEL CHOCO “UTCH”

FACULTAD DE INGENIERIA

PROGRAMA DE INGENIERIA DE AMBIENTAL

SISTEMA DE INFORMACIÓN GEOGRÁFICO

2021
 INFORME SOBRE SISTEMA DE LOS EFECTOS DE LA CUBIERTA FORESTAL Y LA

PERTURBACIÓN SOBRE LAS AMENAZAS TORRENCIALES: EVIDENCIA A GRAN ESCALA

DE LOS ALPES ORIENTALES

JOEL ANDRÉS MORENO PALACIOS

INFORME- CURSO DE SISTEMA DE INFORMACIÓN GEOGRÁFICO

PRESENTADO A:

LILIANA COPETE

UNIVERSIDAD TECNOLOGICA DEL CHOCO “UTCH”

FACULTAD DE INGENIERIA

PROGRAMA DE INGENIERIA DE AMBIENTAL

SISTEMA DE INFORMACIÓN GEOGRÁFICO

2021
 TABLA DE CONTENIDO

I. INTRODUCCION.................................................................................................................................................3
II. DESARROLLO.....................................................................................................................................................5

I. INTRODUCCION

El crecimiento de la población mundial y la creciente demanda de actividades recreativas han

provocado un fuerte aumento de la infraestructura humana en algunas zonas montañosas del mundo (como

los Alpes europeos y las Montañas del Frente Norte de las Montañas Rocosas).

Estos asentamientos e infraestructura son extremadamente vulnerables a desastres naturales, como

deslizamientos de tierra, avalanchas y fuertes lluvias. En los Alpes orientales, entre 1972 y 2004, la amenaza

de fuertes lluvias causó 877 millones de euros en daños y 49 personas murieron. Esto pone de relieve la

enorme necesidad de proteger a los seres humanos y su infraestructura de las fuertes lluvias en las zonas
montañosas. La perturbación natural es un factor determinante indispensable para la dinámica de los

bosques de montaña.

La perturbación abre el dosel del bosque y reduce el área foliar, reduciendo en gran medida la

función protectora del bosque. La perturbación reduce el efecto protector de los bosques al aumentar las

precipitaciones y la escorrentía de aguas superficiales y reducir la densidad de raíces vivas en el suelo. Por

lo tanto, no está claro cómo la interferencia de los bosques naturales y humanos afecta la probabilidad de

ocurrencia y la frecuencia de desastres por lluvias intensas. Además, debido al uso de la tierra en el pasado y

los cambios climáticos provocados por el hombre, las perturbaciones naturales en Europa están aumentando.

Los cambios continuos a gran escala de las perturbaciones forestales deben evaluar su impacto en la

protección forestal a fin de proporcionar sugerencias razonables para los administradores forestales y los

tomadores de decisiones. Una limitación importante de la investigación a gran escala sobre el impacto de las

perturbaciones forestales en desastres por tormentas es la falta de conjuntos de datos consistentes a gran

escala sobre perturbaciones y desastres por tormentas. Sin embargo, los esfuerzos recientes para utilizar

datos de teledetección para catalogar sistemáticamente los eventos de desastres por tormentas e identificar

las perturbaciones forestales han proporcionado nuevas formas de análisis cuantitativo.

Aquí nos basamos en estos desarrollos recientes cuantificando los efectos de la cubierta forestal y las

perturbaciones del dosel sobre la probabilidad de amenazas torrenciales en los Alpes orientales, analizando

conjuntamente 31 años de datos de perturbaciones y 3768 eventos de amenazas torrenciales documentados

para 10 885 cuencas hidrográficas.

 II. DESARROLLO

Ilustración 1. Mapa de la zona de estudio. Las áreas rojas marcan el área de estudio, mientras que las

partes grises indican la cubierta forestal.

Centramos nuestro análisis en los Alpes austríacos orientales (Figura 1). La geología de las partes
Figura 1.Mapa de la zona de estudio. Las áreas rojas marcan el área de estudio, mientras que las partes grises indican la cubierta forestal.

centrales de la cordillera está dominada por un lecho de roca cristalina (es decir, granito y gneis), mientras

que las partes norte y sur se caracterizan por un lecho de roca caliza. La precipitación media anual varía

considerablemente con la altitud y la ubicación, desde 600 mm en las laderas cálidas y liofilizadas de los

Alpes hasta> 2500 mm en las regiones de gran altitud de la cordillera norte. Las temperaturas medias

anuales oscilan entre 11 ° C en las regiones bajas del este y -5 ° C en áreas por encima de la línea de árboles

en el medio del rango. En toda el área de estudio, la temperatura media anual de 1986 a 2018 fue de 7,3 ° C,

con una precipitación media anual de 1098 mm. En total, analizamos 10,885 cuencas hidrológicas que

cubren un área de 4.8 millones de hectáreas y con desniveles que van desde 114 a 3,725 m sobre el nivel del

mar. La superficie promedio de la cuenca es de 437 hectáreas (mínimo 4 hectáreas y máximo 19,843

hectáreas) y la altitud promedio es de 996 msnm.

La cobertura forestal promedio de las cuencas hidrográficas estudiadas es del 63%. La composición

de la vegetación natural varía con la altitud. A una altitud de <600 m sobre el nivel del mar. El bosque está
dominado por especies de hoja caduca (principalmente especies europeas y hayas). A una altitud media de

600 a 1200m sobre el nivel del mar. Los bosques mixtos de coníferas y caducifolios (principalmente roble

europeo, abeto noruego y abeto plateado) forman una vegetación natural. Bosques en altitudes superiores a

1200 m sobre el nivel del mar. Están dominados naturalmente por las coníferas (abeto, pino europeo y pino

suizo). Esta ruta se encuentra generalmente entre 1800 y 2200 metros sobre el nivel del mar. Y a menudo se

caracteriza por una franja de pino de krumm holz. La estructura forestal y la composición de especies se han

visto muy alteradas por el manejo forestal, ya que la mayoría de las áreas de estudio se han utilizado de

forma intensiva durante los últimos 300 años.

Creamos mapas de perturbaciones con un grano espacial de 30 m. ya una resolución anual para el

período de 1986 a 2016 basado en todas las imágenes de reflectancia superficial de la Colección 1 Nivel 1

disponibles del archivo Landsat de USGS. Empleamos algoritmos de detección de perturbaciones de última

generación implementados en la plataforma de computación en la nube Google Earth Engine. El algoritmo

primero construye los mejores compuestos de observación anuales a partir de todas las imágenes Landsat

disponibles. Posteriormente, segmenta cada tiempo anual.

Esta segmentación se utiliza para identificar perturbaciones en la cubierta forestal a nivel de un solo

píxel. Luego, se aplica un modelo de bosque aleatorio para clasificar cada píxel de un año dado en

condiciones estables o turbulentas, filtrando los falsos positivos frecuentes para el algoritmo de detección

automática de ruido. Calibramos y validamos los modelos forestales aleatorios utilizando datos de

referencia basados en 1828 píxeles recopilados en un estudio anterior. Las probabilidades anuales de

perturbación se agregan en un mapa que muestra el año de la primera perturbación. La precisión general del

mapa es del 90,5% (<0,1% SE) con un error de equilibrio entre omisiones (19,6%, SE 0,8%) y comisiones

(19,3%), SE 0,8%).

Definimos peligros de acuerdo con el IPCC (2012), que describe eventos físicos que han causado

daños a la infraestructura o los medios de vida humanos. El peligro torrencial es el peligro de quebradas,

arroyos, ríos, arroyos en pequeñas cuencas inclinadas. La información sobre eventos torrenciales se obtuvo

del catálogo austriaco de eventos torrenciales. Esta base de datos contiene eventos torrenciales que han

causado daño a humanos o humanos. Infraestructuras en pequeñas cuencas hidrográficas de ríos escarpados.
Además, proporciona perfiles de formato que describen los contornos de las cuencas hidrográficas y la

ubicación de los eventos torrenciales. De 1986 a 2018, se registraron 3.768 eventos de riesgo de

inundaciones en las cuencas fluviales en 2018, incluidos 2.646 eventos de inundaciones y 1.122 eventos de

escombros. Como referencia para nuestro análisis, seleccionamos todas las cuencas hidrográficas que no

experimentaron eventos importantes entre 1980 y 2018 (es decir, 8.867 cuencas hidrográficas).

Las cuencas experimentaron un evento torrencial justo antes de 1986. El proceso de inundación en

cuencas fluviales empinadas se caracteriza por una tasa de transporte de sólidos que varía con

concentraciones de volumen crecientes de partículas sólidas en el agua hasta un 20%. Las partículas más

gruesas son arrastradas bajo la carga del amortiguador, que se mueve mucho más lento que el flujo de agua.

En contraste, las concentraciones de sedimentos de eventos de flujo de escombros pueden exceder el 40% y

las partículas y el agua se mueven aproximadamente a la misma velocidad. Aunque difieren en sus

características de composición, la escorrentía detrítica y los fenómenos aluviales son causados por lluvias

intensas y pueden transferir y depositar grandes cantidades de material desde las laderas de las montañas

hasta el fondo del valle. Esto a menudo conduce a calles dañadas y casas destruidas

Tabla 1. Predictores para modelar la probabilidad de amenazas torrenciales. Para conocer los valores y el rango de todos los predictores, consulte el suplemento SI 4.

Efecto esperado sobre

torrencial probabilidad

Dominio Vaticinador Delawarefinition de peligro Fuente

Geografía Zona
Elevación Área de la cuenca focal en km2 +

Infraestructura Elevación media de la cuenca inma.sl Proporción del +

área cubierta por infraestructura urbana + PAGflugmacher et al 2019

Ecorregión
en cuenca focal en%.
La ecorregión en la que la mayoría de los Kilian et al 1994
la cuenca hidrográfica focal está situada
Geomorfología Relación de Melton
Elevaciónmax - Elevaciónmin
+ Melton 1957
Zona
Relación de elevación
Elevaciónmax - Elevaciónsignificar Elevaciónmax -
+ Wood y Snell 1960
Elevaciónmin
Alargamiento
Diámetro de un círculo con área de cuenca
- Schumm1956
largomax de la cuenca

Zona
Circularidad
- Molinero 1953
Área de un círculo con circunferencia de la cuenca
bosque cubierta forestal
-
zz

PAGflugmacher et al 2019
Patchdensity Cobertura forestal de la cuenca en%
+ PAGflugmacher et al 2019
Número de parcelas de bosque por km2 es decir, la

distribución de los bosques en la cuenca varía de

Disturbio Grado contigua a irregular

+
La cubierta del dosel forestal se alteró entre 1986 y
Escribe 2016 en%
-
Extensión x tipo Ginicoeficiente ([extensión anual de la perturbación])
+
 Cuenca geográfica y geomorfológica

Atributos

Derivamos tres atributos geográficos para cada cuenca hidrográfica de productos de

teledetección con el fin de ajustar las diferencias en la extensión, la elevación y el nivel de

la infraestructura humana expuesta a los peligros naturales (tabla 1, sección Geográfica).

Esperábamos que las cuencas hidrográficas más grandes y las cuencas hidrográficas más

grandes con un alto nivel de infraestructura humana tuvieran una mayor probabilidad de

verse afectadas por amenazas torrenciales. El nivel de infraestructura humana expuesta se

aproximó como la proporción relativa de áreas urbanas dentro de cada cuenca, con base en

un mapa de cobertura terrestre de 2015 con una resolución espacial de 30 m, creado a partir

de datos satelitales. Dado que la precipitación aumenta con la elevación en nuestra área de

estudio y los peligros torrenciales se desencadenan con frecuencia por períodos de fuertes

lluvias, incluimos la elevación para tener en cuenta las diferencias en la exposición entre las

cuencas hidrográficas. Además, para tener en cuenta las diferencias climáticas y geológicas

entre las cuencas hidrográficas, también controlamos la ecorregión

Describimos la predisposición geomorfológica de una cuenca a las amenazas

torrenciales con base en indicadores que han sido identificados como influyentes en

estudios previos (tabla 1, sección Geomorfología). Analizaron 11 parámetros

geomorfométricos fluviales con respecto a su influencia en los procesos torrenciales.

Basándonos en sus hallazgos, seleccionamos el índice de Melton así como el índice de

relieve de elevación (Wood y Snell 1960) como predictores geomorfológicos de procesos

torrenciales. Además, también incluimos la circularidad (Schumm 1956) y la razón de

elongación (Miller 1953) en nuestro análisis para dar cuenta de la forma específica de las

cuencas hidrográficas. Cuencas hidrográficas relacionadas con bosques y perturbaciones

Atributos

Evaluar el papel de los bosques y las alteraciones del dosel.

En cuanto a la probabilidad de amenazas torrenciales, utilizamos cuatro indicadores,

es decir, cobertura forestal, densidad de parcelas forestales, extensión de la perturbación y

tipo de perturbación (ver la sección Bosque de la tabla 1). La cobertura forestal se calculó

como la proporción relativa de área boscosa dentro de una cuenca en 2015 sobre la base de

un mapa de cobertura terrestre de 30 × 30 m.

(Pflugmacher et al 2019). A medida que la cubierta forestal cambia con el tiempo,

también probamos cómo el cambio de uso de la tierra influye en nuestros resultados (ver

suplemento SI 2). La densidad de parcelas de bosque se obtuvo dividiendo el número de

parches de bosque distintos (usando un vecindario de ocho celdas para identificar parches)

por el área total de la cuenca. Por lo tanto, el indicador describe la distribución del área

forestal dentro de la cuenca, que va desde la cubierta forestal contigua hasta la cubierta

forestal muy irregular. Las perturbaciones del dosel ocurren como resultado de la tala de

madera (tala y raleo) o perturbaciones naturales del bosque (es decir, principalmente el

viento e infestación de insectos) en nuestra área de estudio.

Los estudios demostraron que la atribución de parches de perturbación basados en

satélites a diferentes causas de perturbación del dosel sigue siendo un desafío aquí

analizamos conjuntamente las perturbaciones del dosel de causas tanto humanas como

naturales. Calculamos dos índices que describen el régimen de perturbación de una cuenca
con base en los mapas de perturbación anual descritos anteriormente es decir, grado de

perturbación y tipo de perturbación. La extensión de la perturbación describe el área

forestal relativa de una cuenca afectada por las perturbaciones del dosel durante el período

de estudio de 31 años. El tipo de perturbación describe la distribución temporal de las

perturbaciones, con alteraciones del pulso sucediendo en un corto período de tiempo y

disturbios de prensa se distribuye regularmente durante el período de estudio (Bender et al

1984). Para derivar un indicador continuo entre los dos polos del pulso y la perturbación de

la prensa, calculamos el coeficiente de Ginificiente de la superficie forestal anual afectada

por alteraciones del dosel. Un coeficiente de Ginificiente de uno indica un régimen de

perturbación del pulso, lo que significa que la perturbación de una cuenca ocurrió en un

año. Un índice de Gini de cero indica un régimen de disturbios en la prensa, lo que significa

que áreas iguales fueron alteradas todos los años entre 1986 y 2016. Los valores altos de

Gini significan la máxima desigualdad en el área alterada anualmente y los valores bajos

significan una desigualdad mínima en el área anual alterada. Además de la relevancia

ecológica de distinguir entre las perturbaciones del pulso y de la prensa, el tipo de

perturbación también sirve como un proxy del agente de perturbación dominante en nuestra

región de estudio. Si bien las alteraciones del dosel inducidas por el hombre (es decir, tala y

raleo) son generalmente pequeñas pero ocurren regularmente (es decir, Prensa

perturbación), las perturbaciones naturales son potencialmente grandes pero solo ocurren

raramente (es decir, legumbres disturbio). Se verificó la correlación entre la cubierta

forestal y la extensión / tipo de perturbación.

 Encontramos solo una correlación débil de Pearson's r = 0,18 para la extensión de

la perturbación y Pearson's r = -0,11 para el tipo de perturbación. Para obtener una

descripción general del rango de variabilidad dentro de los datos.

Análisis estadístico

Todos los análisis se realizaron a escala de cuencas hidrográficas. Desarrollamos

modelos separados para la ocurrencia y frecuencia de flujo de escombros e inundaciones.

Para modelar la ocurrencia, asumimos una distribución de Bernoulli, donde la probabilidad

de ocurrencia pi en la cuenca i se modela mediante una combinación lineal de todas las

variables predictoras Xi (ver tabla 1) usando una función de enlace logístico:

Ocurrenciayo ~ BernoullipagI )

pagyo = logit-1 (BXI). (1)

En la ecuación (1), el vector b contiene la dirección y fuerza de cada uno de los

predictores (ver tabla 1) efecto sobre la probabilidad de ocurrencia. Para modelar la

frecuencia de eventos de amenaza torrencial asumimos una distribución binomial negativa,

prediciendo el recuento de eventos por cuenca durante el período de estudio. La media mi

se modela mediante una combinación lineal de todas las variables predictoras Xi mediante

un enlace logarítmico función para asegurar valores de respuesta positivos:

Contaryo ~ Binomial negativo (metroI, f) myo =

Iniciar sesión1-
(BXI . )
 (2)

En la ecuación (2) El parámetro es una dispersión parámetro que representa la

dispersión excesiva y se estima a partir de los datos. Usamos Bayes' regla para calcular las

distribuciones posteriores de todos los parámetros del modelo (es decir, la intersección y los

tamaños del efecto contenidos en, así como la dispersión parámetro) a partir de las

probabilidades del modelo y las distribuciones de parámetros previas asignadas a cada

parámetro. Después de transformar z los datos, usamos N (0, 0,5) previos para y un xp (1)

antes de. Esos priores pueden verse como antecedentes poco informativos y regularizantes

que impiden que el modelo se sobrepase los datos. Las distribuciones posteriores conjuntas

se muestrearon utilizando métodos MonteCarlo-Markow-Chain (MCMC) implementados

en el software Stan (Carpenteret al 2017 ) mediante el rstanarmpaquete (StanDevelopment

Team2016). Usamos cuatro cadenas à 4000 iteraciones, con elfiLas primeras 2000

iteraciones cayeron como muestras de calentamiento. Comprobamos la convergencia de las

cadenas a través delR̂ estadística (Gelman et al 2014a). ElR̂ La estadística compara la

variabilidad dentro y entre las cadenas y se acerca a uno si las cuatro cadenas convergen en

una solución similar. fitted los datos correctamente mediante la realización de

comprobaciones de predicción posterior (Gelman et al 2014a), que se extrae aleatoriamente

del modelo y se comparan los extractos con los datos observados. Si el modelo es bien

specified, no debe haber una desviación sustancial entre los dibujos del modelo y los datos

observados (consulte los suplementos SI 5 y SI 6). Nosotros fiTrató y comparó diferentes

combinaciones de predictores para probar la importancia de diferentes dominios de

predictores (ver tabla 1). Primero nosotrosfiTrató un modelo nulo que contiene solo una
intersección, asumiendo probabilidades constantes de peligro torrencial en todas las

cuencas hidrográficas. Posteriormente, incluimos sucesivamente predictores de los

dominiosgeografía, geomorfología, bosque y disturbios, resultando en un total de ficinco

modelos con una complejidad creciente del modelo. Comparamos todoficinco modelos

mediante la estimación de la densidad predictiva logarítmica esperada de omisión

aproximada (LOO-ELPD; Vehtari et al 2017). El LOO-ELDP es una medida relativa del

rendimiento del modelo.-similar al WatanabeCriterio de información de Akaike-pero

preferible en la mayoría de los entornos (Gelman et al 2014b). En esencia, estima la

precisión predictiva del modelo cuando se enfrenta a datos desconocidos. Por lo tanto, una

diferencia positiva en ELPD entre dos modelos en competencia implica un mejor

desempeño predictivo del segundo modelo. Sin embargo, como el ELPD en sí mismo es

incierto, asumimos que una diferencia en el ELPD solo es significativa cuando son dos

desviaciones estándar mayores que cero.