Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Molina. SIlva Modelos de Combustible Forestales UCO40
Molina. SIlva Modelos de Combustible Forestales UCO40
2/13
Resumen
Los software de simulación del comportamiento del fuego requieren de una mejora con objeto
de adquirir un resultado más acorde con la propagación potencial mediterránea. La
disponibilidad de una cartografía digital de modelos de combustible, en los que se recojan el
conjunto variables que identifican de forma diferenciada la progresión y emisión energética
del fuego, representa una necesidad de carácter fundamental para poder establecer las
estrategias de defensa de los sistemas forestales.
El profundo trabajo de campo realizado apoyado en técnicas geoestadísticas constituye una
herramienta de precisión para la simulación del comportamiento potencial de las llamas. La
elaboración del mapa de modelos de combustibles a partir de las agrupaciones vegetales
requiere un análisis de las diferentes características de los combustibles. Los inventarios de
campo desarrollados para el conocimiento de los parámetros morfológicos y fisiológicos de
las diferentes asociaciones vegetales contribuyeron a la demostración de la insuficiencia de
los actuales modelos de Rothermel bajo condiciones mediterráneas. Los parámetros de
entrada para la simulación (carga, altura, humedad, …) difieren ostensiblemente de los
americanos. El trabajo de campo efectuado por todo Andalucía establece unas características
medias para cada uno de los modelos de combustible fruto del análisis estadístico de las
muestras recogidas. Los parámetros estudiados por su influencia en la propagación del fuego
han sido: la estructura horizontal y vertical, la cantidad de combustible, la altura o
profundidad del combustible, la humedad, la inflamabilidad, la combustibilidad, el tiempo de
retardo y la relación superficie/volumen.
Los cambios socioeconómicos y la experiencia desarrollada en incendios reales y quemas
prescritas, indicaron claramente la necesidad de una revisión de las herramientas utilizadas
para la elaboración del Plan de Ataque. Los programas españoles de simulación de incendios
forestales (Visual BEHAVE, Visual CARDIN, Visual Peligro Meteorológico y Visual SLPP)
han sido adaptados para las condiciones mediterráneas mediante la identificación y definición
de los nuevos modelos de combustibles, constituyendo una herramienta muy útil para la
gestión preventiva y la extinción de incendios forestales. La adaptación mediterránea supone
la programación por completo de los nuevos parámetros en C++ o Visual Basic,
constituyendo una herramienta sencilla plenamente acorde a la realidad de los ecosistemas
mediterráneos. La validación de estas nuevas herramientas para la defensa contra los
incendios forestales ha sido testada en los Grandes Incendios Forestales acontecidos en
Andalucía en los últimos años.
Palabras clave
Modelos de combustible; comportamiento del fuego; simulación de incendios
3/13
1. Introducción
2. Objetivos
3. Metodología
Premuestreo en campo
El objeto de esta fase es la identificación del modelo de combustible potencial para cada
unidad de vegetación obtenida mediante GIS (BASE, VUELO, SOBRECARGA). Todos los
puntos dispondrán de sus coordenadas UTM, de modo que puedan georeferenciarse de
acuerdo a la unidad de vegetación presente en cada caso.En este sentido, la recolección de
material fotográfico resulta fundamental para la posterior identificación de los modelos. El
premuestreo debe diseñarse en gabinete, intentando recorrer las máximas unidades de
vegetación posibles.
Estructura Modelo
Estructura arbórea Estructura
arbustiva potencial
Arbustedo o matorral
Jarales
Pinus pinea arbustivo. Talla entre 3 y 7 M9
(Cistus spp.)
metros
Arbustedo o matorral
Jarales
Pinus pinea arbustivo. Talla entre 3 y 7 M7
(Cistus spp.)
metros
6/13
Arbustedo o matorral
Q. coccifera,
Pinus pinea arbustivo. Talla entre 3 y 7 M5
P. lentiscus
metros
Jarales Matorral bajo. Talla entre
Pinus pinea HPM2
(Cistus spp.) 5 y 50 cm.
Matorral denso bajo pero
Repoblaciones Jarales
arbolado en contacto suelo M5
(< 3 m) (Cistus spp.)
(matorralizado)
Pastizal estacional
Pastizales
Quercus ilex, Quercus siuber agostado < 60 cm Talla P4
Estacionales
entre 5 y 50 cm.
Labiadas o
Matorral bajo. Talla entre
Eucalyptus globulus matorral HR2
5 y 50 cm.
halófito
Matorral y Matorral bajo con
Desarbolado pastizal herbáceas vivaces. Talla PM1
halófito entre 5 y 50 cm.
Las parcelas de corte (harvest method) en cada mancha requerirán de un análisis de las
características de la vegetación presente en cada unidad de vegetación. Se identificará el
punto con GPS y se procederá a la identificación de la vegetación circundante de acuerdo a:
BASE, VUELO y SOBRECARGA. El material recolectado se clasificará en material vivo o
muerto y dentro del muerto en tres clases en base al tiempo de retardo del material: menores
de 5 milímetros (1 hora de tiempo de retardo), entre 5 y 25 milímetros (10 horas de tiempo de
retardo) y mayores de 25 milímetros (100 horas de tiempo de retardo). El estadillo de
muestreo debe recoger el peso de cada una de las clases del material muerto y el peso del
material vivo, diferenciado en leñosos y herbáceo. Por último, se selecciona una pequeña
muestra de cada parcela para secado y cálculo de la cantidad de materia seca.
Una vez obtenidos los pesos secos para los distintos tipos y tamaños de material vegetal
para cada parcela de muestreo, se procede a un análisis estadístico para cada modelo de
combustible. De este modo, se obtienen las cargas de combustibles por modelos, junto con
sus humedades, para cada uno de los tamaños considerados. Una vez calculadas las
características medias de cada uno de los modelos de combustible: carga viva, carga muerta
1h, carga muerta 10h, carga muerta 100h, altura media, FCC, humedad,…, se dispone de toda
la información necesaria para la simulación óptima mediante software específicos de
incendios forestales a tenor de las condiciones locales de cada área.
7/13
4. Resultados
Figura 2. Tabla de cálculo rápido para el modelo PM1 y rango de pendiente alrededor del 15%
siendo “y” la carga de combustible en seco (Tn/ha) y “x” la altura del matorral (m)
A modo de ejemplo se incluye los valores medios asignados a cada modelo UCO40
para uno de sus parámetros: la sigma o relación área-volumen (Tabla 3):
Figura 3. Programación del Visual SLPD y el Visual Behave a los modelos UCO40
5. Discusión
La presencia de una mayor carga de material leñoso vivo bajo arbolado, la presencia de
situaciones mixtas de material, la mayor predisposición del material a la ignición (menor
humedad) y la mayor inflamabilidad del matorral mediterráneo (Elvira, 1989) deben
incorporarse a los patrones de simulación del comportamiento del fuego de superficie.
6. Conclusiones
7. Agradecimientos
8. Bibliografía
ANDERSON, H.E.; 1982. Aids to determining fuel models for estimating fire behavior.
General Technical Report. INT-122. U.S. Department of Agriculture - Forest Service,
Intermountain Research Station. Ogden.
ANDREWS, P.L.; 1986. BEHAVE: fire behaviour prediction and fuel modelling system-
BURN subsystem, Part I. USDA. For. Serv. Gen. Tech. Rep. INT-194.
ANDREWS, P.L.; CHASE, C.P.; 1989. BEHAVE: fire behaviour prediction and fuel
modelling system-BURN subsystem, Part II. USDA. For. Serv. Gen. Tech. Rep. INT-260.
ANDREWS, P.L.; BEVINS, C.D.; SELI R.C.; 2003. BehavePlus fire modelling system,
version 2.0: User´s Guide. RMRS-GTR-106WWW, USDA Forest Service.
BURGAN, R.E.; ROTHERMEL, R.C.; 1984. BEHAVE: fire behavior prediction and fuel
modelling system-fuel subsystem. USDA, Forest Service. Gen. Tech. Rep. INT-167.
BURGAN, R.E.; KLAVER, R.W.; KLAVER, J.M.; 1998. Fuel models and fire potential
from satellite and surface observations. International Journal of Wildland Fire 8, 159-170.
CHUVIECO, E.; SALAS, J.; 1996. Mapping the spatial distribution of forest fire danger
using GIS. International Journal of Geographical Information Science 10(3), 333-345.
CHUVIECO, E.; RIANO, D.; VAN WAGTENDOCK, J.V.; MORSDOF, F.; 2003. Fuel loads
and fuel type mapping. In: Chuvieco E. (Ed.) Wildland fire danger estimation and mapping:
The role of remote sensing data (pp. 119 – 142). World Scientific, 4. Singapore.
CHUVIECO, E.; COCERO, D.; RIANO, D.; MARTIN, P.; MARTINEZ VEGA, J.; DE LA
RIVA, J.; PÉREZ, F.; 2004. Combining NDVI and surface temperature for the estimation of
live fuel moisture content in forest fire danger rating. Remote Sensing of Environmental 92,
322-331.
DE LUIS, M.; BAEZA, M.J.; RAVENTÓS, J.; GONZÁLEZ-HIGALDO, J.C.; 2004. Fuel
characteristics and FIRE behaviour in mature Mediterranean gorse shrublands. International
Journal of Wildland Fire 13, 79-87.
12/13
ELVIRA, L.M.; HERNANDO, C.; 1989. Inflamabilidad y energía de las especies del
sotobosque (estudio piloto con aplicación a los incendios forestales). Monografías INIA 68,
Ministerio de Agricultura, Pesca y Alimentación, Madrid.
FINNEY, M.A.; 1998. FARSITE: Fire Area Simulator-model development and evaluation.
RP-RMRS4. USDA Forest Service, Odgen, UT.
FINNEY, M.A.; 2003. Spatial Tools for Wildland Management Planning. USDA, Forest
Service. Fire Sciences Laboratory. Missoula MT, USA.
KEANE, R.E.; CUOMO, V.; TRAMUTOLI, V.; PERGOLA, N.; PIETRAPERTOSA, C.;
SIMONIELLO, T.; 2002. Mapping vegetation and fuels for fire management on the Gila
National Forest Complex, New Mexico. General Technical Report. RMRSGTR- 46- CD. pp.
1-126. Department of Agriculture, Forest Service, Rocky Mountain Research Station. Ogden,
UT: U.S.
KÖTZ, B.; SCAHAEPMAN, M.; MORSDOF, F.; BOWYER, P.; ITTEN, K.; ALLGOVER,
B.; 2004. Radiative transfer modelling within a heterogeneous canopy for estimating of forest
fire fuel properties. Remote Sensing of Environment 92, 332-344.
LASAPANORA, R.; LANORTE, A.; PIGNATTI; 2006. Multiscale fuel type mapping in
fragmented ecosystems: preliminary results from hyperspectal MIVIS and multispectral
Landsat TM data. International Journal of Remote Sensing 27: 587-593.
LÓPEZ, A. S.; SAN MIGUEL AYANZ, J.; BURGAN, R.E.; 2002. Integration of satellite
sensor data, fuel types maps and meteorological observations for evaluation of forest fire risk
at the pan-European scale. International Journal of Remote Sensing 23, 2713-2719.
MOLINA, D.; 2000. Asignación de modelos de combustible para la planificación. In: Vélez
R. (Ed.). la defensa contra incendios forestales. Fundamentos y experiencias. Mc-Graw Hill,
Madrid.
MORVAN, D.; DUPUY, J.L.; 2001. Modelling of fire spread though a forest fuel bed using a
multiphase formulation. Combustion and Flame 127, 1981-1994.
13/13
RIANO, D.; CHUVIECO, E.; SALAS, J.; PALACIOS-MUETA, A.; BASTARRIKA, A.;
2002. Generation of fuel type maps from Landsat TM images and ancillary data in
Mediterranean ecosystems. Canadian Journal of Forest Resources 32, 1301-1315.
RICHARDS, G.D.; 1990. An elliptical growth model of forest fire fronts and its numerical
solution. International Journal of Numerical Methods in Engineering 30, 1163-1179.
RODRIGUEZ Y SILVA, F.; 2004. A Forest Fire Simulation Tool for Economic Planning in
Fire Supresión Management Models: An Application of the Arc-Cardin Strategic Model.
Proceedings of the Symposium on Fire Economy Planning and Policy. Córdoba (España).
ROLLINS, M.G.; 2002. Mapping fuels and fire regimes using remote sensing, ecosystem
simulating and gradient modelling. Ecological Applications 14, 75-95.
ROTHERMEL, R.C.; 1972. A mathematical model for fire spread predictions in wildland
fires. Res. Pap. INT-115. 40 pp. USDA Forest Service.
SCOTT, J.H.; BURGAN, R.E.; 2005. Standard Fire Behaviour Fuel Model: A
Comprehensive Set for use with Rothermel´s Surface Fire Spread Model. Department of
Agriculture, Forest Service, Rocky Mountain Research Station. Gen. Tech. Rep.RMRS-GTR-
153.
TAYLOR, S. W.; ALEXANDER, M.E.; 2006. Science, technology and human factor in fire
danger rating: the Canadian experience. International Journal of Wildland 15, 121-135.
VIEGAS, D.X.; 2004. Slope and wind effects on fire propagation. International Journal of
Wildland Fire 13, 143-156.
WEISE, D.R.; REGELBRUGE, J.; 2005. Fire spread in chaparral-go or no go?. International
Journal of Wildland Fire 14, 99-106.
ZHOU, X.; MAHALINGAM, S.; WEISE, D.; 2005. Modeling of marginal burning state of
fire spread in live chaparral shrub fuel bed. Combustion and Flame 143, 183-198.