Sub-thema 6: Planificación y gestión en un ambiente incierto

Modelos de riesgo y vulnerabilidad a incendios forestales, a partir de

condiciones naturales y antrópicas: Parque Nacional Tunari

A.M. Rodríguez Montellano

Escuela de Ciencias Forestales, Proyecto FOMABO/ESFOR
Universidad Mayor de San Simón, Cochabamba, Bolivia
forestry_bol@yahoo.es

Palabras clave: Peligro de incendios, combustibles forestales, evaluación multicriterio,

Parque Nacional Tunari

Resumen

El propósito es crear un modelo para evaluar el riesgo y vulnerabilidad a incendios

forestales en área representativa del Parque Nacional Tunari, involucrando a
instituciones (usuarios) en el departamento de Cochabamba, para determinar variables
preponderantes que influyen en estos siniestros. Se empleará el método de análisis
espacial multicriterio para integrar y evaluar en SIG las variables con influencia alta en
el peligro de incendios forestales. La estructura del índice de peligro incluye tres
componentes: Combustibles forestales, generado a partir de la evaluación de la carga
de combustibles forestales muertos y vivos; meteorológico con la integración de la
temperatura media máxima mensual y precipitación total mensual y otros; y causa
mediante la evaluación de elementos socioculturales representados por rasgos
geográficos. Los tres componentes serán integrados en una regla de decisión y se
generarán mapas periódicos con la localización de áreas vulnerables y riesgosas a
incendios forestales.

1. Introducción
Los incendios forestales son actualmente un gran problema que se repite año tras año
en todos los rincones del planeta en épocas en que las temperaturas registran sus
valores más altos y las precipitaciones son escasas. Como consecuencia de los
mismos [7], las pérdidas en este tipo de perturbaciones son perjudiciales para la
conservación de los ecosistemas [6].

En Bolivia el Sistema de Alerta Temprana de Incendios Forestales (SATIF) que opera

desde el 2001 cuenta con una antena que capta las imágenes NOAA con reportes
semanales y diarios sobre focos de calor. Si bien este tipo de información que
proporciona el SATIF es usual para una planificación de control de incendios, no es
suficiente porque se comienza a actuar cuando ya se inició la combustión o cuando ya,
el incendio ha alcanzado grandes proporciones. [5]. Dentro de este marco, es evidente
la necesidad de investigación en este campo y especialmente en cómo se pueden
modelar estos fenómenos. Es decir, que para lograr una eficiente prevención de riesgos

1955
Sub-tema 6: Planificación y gestión en un ambiente incierto

de incidentes y evitar pérdidas originadas por los incendios forestales, es necesario

todavía un esfuerzo de investigación que reúna las disciplinas involucradas y el estudio
de las características naturales y antrópicas del fenómeno.

2. Metodología
El Parque Nacional Tunari (PNT) 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 2 750 m como línea divisoria en la ciudad, pero
especialmente cerca de Cochabamba pueden encontrarse las urbanizaciones sobre la
cota permitida (Fig. 1). La primera ha sido realizada solo en puntos representativos en
el PNT, mientras que la verificación se ha desarrollado en toda el área protegida, en
una serie de zonas de la península: Tirani, Leuquepampa y pajcha. En el marco de
riesgo de incendio (FIRERISK) se muestrearon además de especies herbáceas,
especies arbóreas (pinos, eucaliptos, kewiñas); en ambas se calculó el contenido de
humedad que después fue relacionado con propiedades combustibles.

Fig. 1: Imagen Landsat TM aplicación de modelos de elevación digital del Parque

Nacional Tunari

En las diferentes muestras de vegetación (pasto y material vegetal verde) se llevó a

cabo de manera aleatoria siguiendo un protocolo específico. Se tomaron 100-200 g de
muestra/m2, siendo pesadas en el momento de su recolección mediante una balanza
portátil. Como se muestra en la Fig. 2 se ponderó la biomasa para las tres especies
forestales más importantes del área. Las muestras fueron trasladadas al laboratorio
para ser secadas en una estufa durante 72 horas a una temperatura de 100ºC. Tras
esta operación las muestras fueron nuevamente pesadas para calcular el contenido de
humedad. Dicho contenido, en este estudio sobre peligro de incendio, se expresó como
el porcentaje de peso en agua en relación con el peso en seco (FMC, fuel moisture
content en inglés) según la Ec. 1:

⎛ Ph − Ps ⎞
FMC = ⎜ ⎟ * 100 (1)
⎝ Ps ⎠

1956
 Sub-thema 6: Planificación y gestión en un ambiente incierto

Donde, FMC es el contenido de humedad del combustible,Ph es el peso en húmedo y

Ps el peso en seco de la misma muestra.
200
Pinus radiata

Tons of Carbon per hectar(tC/ha)

Eucalyptus globulus
150 Polylepis besseri

100

50

0
0 5 10 15 20 25 30 35 40 45 50
Age (years)

Leyenda: Factor Expansion Biomasa = 1.3; Eucalyptus globulus Factor Expansion Biomasa = 1.5;
Polylepis besseri Factor Expansion Biomasa = 1.5 (IPCC Guidelines - Tropical broadleaf )

Fig. 2: Biomasa para Pinus radiata, Eucalyptus globulus y Polylepis besseri

Cuantificación de combustibles forestales

Las partículas leñosas pequeñas pierden rápidamente parte de su humedad como
consecuencia de su dimensión. Esta condición favorece en gran medida a la
combustión e inicio de los incendios, por lo que constituyen una variable de gran
influencia en 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, utilizada en diversos tipos de bosques con el fin de caracterizar el
complejo de combustibles forestales ([2], [16]). Cada sitio de muestreo consistió en la
ubicación de una línea de 20 m de longitud cuya dirección fue definida aleatoriamente.
Para el caso de la cama de combustibles forestales, se registró la profundidad a los 5,
10, 15 y 20 m de longitud de la línea. Además, 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 fue pesado in situ y se tomó una muestra de 300 g para su posterior
secado en laboratorio. El peso seco de estas muestras fue 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 [16], según la Ec. 2:

⎛ 0.1234 ⎞
W1 = ⎜ G ⎟∑d *c
2
(2)
⎝ L ⎠

Donde, W1 es el peso del material combustible por unidad de superficie, d es el

diámetro de la partícula en la intersección, L es la longitud de la línea de muestreo, G

1957
Sub-tema 6: Planificación y gestión en un ambiente incierto

es la gravedad específica de la madera, 0.1234 es la constante de transformación de

volumen a kg/m2 y c un factor de corrección por pendiente, según Ec. 3:

2
⎛ % pendiente ⎞
C = 1+ ⎜ ⎟ (3)
⎝ 100 ⎠

Después de los cálculos de contenido de humedad de los agentes combustibles

extraidos en campo y analizados en laboratorio e introducidos en NEXUS se generaron
resultados de comportamiento de propagación por componente combustible expresado
en km/hora.

Integración de los criterios

La integración de las variables para calcular el ídice de peligro y vulnerabilidad a
incendios forestales (IPIF) se realizó un análisis multicriterio (AMC), que es la valoración
o ponderación en ambiente SIG sobre todas la variables definidas, de acuerdo a su
peligrosidad para provocar un incendio forestal en el área. A través de la selección y
análisis de los criterios, se obtuvo una regla de decisión que muestra alternativas de
solución al objetivo [10]. En este caso, la localización de áreas suceptibles a incendios
forestales de acuerdo a tablas antes mencionadas se crearon mapas intermedios con
características de cada variable en rangos definidos, que después fueron cruzados en
un análisis multicriterio con el software ILWIS (ver Fig. 3).

Índice de peligro de incendios forestales (IPIF)

Componente de combustibles Componente Componente de

forestales (CCF) meteorológico (CM) causa (CC)

Complejo de conbustibles Variables Variables Rasgos

forestales meteorológicas topográficas antropégicos

Carga de Precipitación Orientación de la Actividades

combustibles pluvial pendiente agropecuarias

Ligeros pesados Temperatura Infraestructura de

profundidad del caminos
mantillo
Cercanía de
poblados
Fig. 3: Flujograma metodológico para la selección de variables y criterios en la
modelación de riesgos y vulnerabilidades a incendios forestales

1958
 Sub-thema 6: Planificación y gestión en un ambiente incierto

3. Resultados y discusión
El análisis de variables climáticas y ambientales descritas en esta metodología está
delimitado en el área de estudio con una superficie de 8 241.83 ha, que es una porción
del Parque; se seleccionó esta zona por tener un mayor número de diferencias en
cuanto a cobertura, altitud, exposición de luz, presencias antrópicas 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:

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 kilogramo por metro cuadrado (kg/m2).

P inus Sp
50 50 P inus Sp
Eucaliptus Sp
Eucaliptus Sp
Headfire Spread Rate (SPRT) [Km/Hrs]

P o lilepis Sp
P o lilepis Sp
P asto s + M ato rrales
Flame Length (FLML) [meters]

40 40 P asto s + M ato rrales

30 30

20 20

10 10

0 0
0 10 20 30 40 50 0 10 20 30 40 50

Open w indspeed [Km /hrs] Open w indspeed [Km /hrs]

Fig. 4: Velocidad de propagación de fuego Fig. 5: Tasa de propagación de fuego por

por especie especie en línea de fuego

Forma y tamaño del combustible: Se puede afirmar que la forma y tamaño son las
características geométricas más importantes del combustible. La forma se refiere al
aspecto (cilíndrica, esférica, irregular y otras), tamaño, grueso, ancho y largo. Estos
parámetros suelen presentarse mediante la relación superficie/volumen (expresada
normalmente con la letra σ y las unidades de m2/m3). De manera general, se observa
que el tiempo de ignición decrece conforme decrece el tamaño del combustible
(conforme σ aumenta) y que la velocidad de propagación de un incendio varía
directamente con el valor de σ [12].

1959
Sub-tema 6: Planificación y gestión en un ambiente incierto

Fig. 6: Modelos combustibles seleccionados para el estudio

Tabla 1: Modelos seleccionados para el área de estudios (7 modelos combustibles)

modificado de Rothermel [11]
Modelo Código Descripción
Pasto fino, seco y bajo, que recubre completamente el suelo. El matorral o arbolado
1 PFs2 ocupa de uno a dos tercios de la superficie. Carga de combustible (materia seca): 5-
10 t/ha
Pasto grueso, denso, seco y alto (más de 1 metro). Puede haber algunas plantas
2 PFs3 leñosas dispersas. Los campos de cereales son representativos de este modelo.
Carga de combustible (materia seca): 5-10 t/ha
Matorral o plantación joven densa, con alturas próximas a 2 m. Carga de combustible
3 MPj1
(materia seca): 23-35 t/ha
Matorrales de especies muy inflamables con alturas de menos de 2 m o pinares de
4 MPj4
sotobosque. Carga de combustible (materia seca): 10-15 t/ha
Bosque denso o frondosas con hojarasca compacta y poco matorral.Carga de
5 BDh1
combustible (materia seca): 10-12 t/ha
Bosque claro o fuertemente aclarado. Restos de poda o zonas claras con plantas
6 BCr1
herbáceas rebrotando. Carga de combustible (materia seca): 30-35 t/ha
Bosques con material leñoso caído como consecuencia de cortas,vientos, plagas,
7 BDh3
etc. Carga de combustible (materia seca): 30-35 t/ha

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 [12]. Existe una extraordinaria variabilidad en la disposición

1960
 Sub-thema 6: Planificación y gestión en un ambiente incierto

del combustible, tipo, forma, tamaño, compactación, por lo que es necesaria una
clasificación. La forma más común de realizar esta clasificación es mediante una
descripción generalizada del combustible en los denominados modelos de combustibles
[11].

Las características intrínsecas de los combustibles tales como poder calorífico,

composición química, densidad, conductividad térmica, entre otros son igualmente
importantes para un estudio completo del fenómeno de combustión [8].

4. Conclusiones

La descripción de los diversos aspectos que intervienen en los incendios forestales

pone de manifiesto su extraordinaria complejidad. La gama de posibilidades que
afectan a este tipo de incendios es amplia: Tipo de combustible (árboles, matorral,
otros), condiciones del terreno (pendiente, vaguadas, entre otros) y condiciones
meteorológicas (humedad, velocidad del viento) hacen difícil la modelización de este
fenómeno.

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, clasificada
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 valores
de probabilidad de ignición y la ocurrencia de incendios y, sobre todo, la extensión de
los mismos. En el caso de los valores finales del índice de riesgo y vulnerabilidad
obtenidos a partir de valores de la probabilidad de ignición, viento y combustibles, los
resultados indican que se mantiene un buen nivel de correlación entre dicho índice y los
incendios que se producen en junio a principios de septiembre por el aumento de
vientos y por la época seca que aprovechan los comunarios para realizar barbechos.

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) -
Escuelas de Ciencias Forestales (ESFOR).

Referencias
[1] P.L. Andrews, C.H. Chase. BEHAVE: fire behavior prediction and fuel modeling
system-BURN subsystem, Part 2. United States Department of Agriculture, Forest
Service, General Technical Report INT-260, Intermountain Forest and Range
Experiment Station, Ogden, Utah, 93 p, 1989.

1961
Sub-tema 6: Planificación y gestión en un ambiente incierto

[2] J.K. Brown, R.D. Oberheu, C.M. Johnston. Handbook for inventorying surface
fuels and biomass in the interior west. USDA Forest Service, General Technical
Report INT-129, 1982.
[3] T. Catchpole, N. de Mestre. Physical models for a spreading line fire. Australian
Forestry, 49(2), 102-111, 1986.
[4] E. Chuvieco, F. Salas, C. Vega. Remote sensing and GIS for long-term fire risk
mapping. Megafires Project. In: E. Chuvieco (Ed.). A review of remote sensing
methods for the study of large wildland fires. Universidad de Alcalá, 91-107, 2000.
[5] Food and Agricultural Organization. Forest Fire. The Situation. FAO, Rome, Italy,
http://www.fao.org/montes/fon/fonp/fire/firesit.stm, 2000.
[6] B. Mostacedo, T.S. Fredericksen, K. Gould, M. Toledo. Comparación de la
respuesta de las comunidades vegetales a los incendios forestales en los bosques
tropicales secos y humedos de Bolivia. Documento Técnico, 83, 1999.
[7] K. Moya. Comparación de comunidades de micromamíferos en dos bosques de
kewiña. Tesis de licenciatura, UMSS, Cochabamba, Bolivia, 2003
[8] J.L. Musse. Bolivia Arde: Grave temporada de incendios en América del Sur.
http://members.xoom.com/_XMCM/jmusse/incendiobolivia.html, 1999.
[9] S.J. Pyne. World fire: The culture of fire on Earth. University of Washington Press,
Seattle, WA, 384 p, 1997.
[10] N. Rodríguez, A. Moretti. Índice de peligro de propagación de incendios forestales.
VI Congreso Forestal Argentino, Tomo III, Santiago del Estero, 5 p, 1988.
[11] R.C. Rothermel. A mathematical model for predicting fire spread in wildland fuels.
USDA Forest Service Research, Paper INT-115, 1972.
[12] R.C. Rothermel. Predicting behavior and size of crown fires in the Northern Rocky
Mountains. USDA Forest Service Research, Paper INT-438, 1991.
[13] F. Salas. 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, 1995.
[14] J. Sánchez. Los incendios forestales y las prioridades de investigación en México.
Congreso Forestal Mexicano, Tomo II, México, 719-723, 1989.
[15] J.H. Scott. Nexus: A system for assessing crown fire hazard. Fire Management
Notes, 59(2), 20-24, 1999.
[16] C.E. Van Wagner. Fire behavior mechanisms in a red pine plantation: field and
laboratory evidence. Canadian Department of Forest and Rural Development,
Forest Branch, 1129, Ottawa, 1968.

1962
Congreso Internacional sobre Desarrollo, Medio
Ambiente y Recursos Naturales: Sostenibilidad a
Múltiples Niveles y Escalas

International Congress on Development,

Environment and Natural Resources: Multi-level and
Multi-scale Sustainability

Volumen III / Volume III

11-13 julio / July 2007
Cochabamba, Bolivia

Editado por / Edited by:

Jan Feyen, Luis F. Aguirre, Mónica Moraes R.

Publicación de la / Publication of the

Universidad Mayor de San Simón
Auspiciado por / Hosted by

Universidad Mayor de San Simón

Cochabamba, Bolivia
http://www.umss.edu.bo/

Organizado conjuntamente por / Jointly organized by

GTUMSS
http://www.geotecnia.edu.bo/

LHUMSS
http://www.lh.umss.edu.bo/

CASA
http://www.fcyt.umss.edu.bo/investigacion/aguas/

ULRA
http://www.ulra.fcyt.umss.edu.bo/

CBG
http://www.biodiv-umss.org/

CEPLAG
http://www.ceplag.edu.bo/

i
 K.U.Leuven
http://www.kuleuven.be/

UGent
http://www.ugent.be/

UAntwerpen
http://www.ua.ac.be/

Con la participación especial de / With the special participation of

Alcaldía Municipal de Cochabamba

http://www.cochabamba.gov.bo/

Financiado conjuntamente por / Jointly funded by

VLIRUOS
http://www.vliruos.be/

K.U.Leuven
http://www.kuleuven.be/

ii
Division Soil and Water Management
http://www.biw.kuleuven.be/lbh/lbwb/

Cooperación Belga
http://www.btcctb.org/

Agencia Española de Cooperación

Internacional (AECI)
http://www.aeci.es/

Programa de Naciones Unidas para el

Desarrollo
http://www.pnud.bo/

Institut de Recherche pour le

Développement (IRD)
http://www.ird.fr/

Viceministerio de Ciencia y Tecnología

http://www.conacyt.gov.bo/

Dirección de Relaciones Internacionales y

Convenios (DRIC-UMSS)
http://www.umss.edu.bo/Academia/Direcciones/Dric

Dirección de Instituto de Investigación

(DICyT-UMSS)
http://www.dicyt.umss.edu.bo/netcape/index.php/

iii
Austral and Neotropical America Section -
Society for Conservación Biology
http://www.conbio.org/Sections/ANA/

Centro de Estudios en Biología Teórica y

Aplicada
http://www.biotabolivia.org.bo/

Línea aérea AEROSUR

http://www.aerosur.com/

Agencia de viajes Sudamericana

http://www.sudamericanaturs.com/

iv