Índice de riesgo de incendios rurales (IRIR) alternativo al índice meteorológico de peligro de incendios (FWI)
DOI:
https://doi.org/10.36825/RITI.13.29.009Palabras clave:
Prevención de Incendios, Incendios Rurales, Calificación del Riesgo de IncendioResumen
El cambio climático favorece el desarrollo de incendios no urbanos, que se caracterizan por una mayor intensidad y áreas afectadas. El estudio del comportamiento del fuego en los bosques interesa a los científicos, lo que sugiere que existe un enorme potencial para futuras investigaciones. Sin embargo, son pocas las publicaciones que estudian en mayor profundidad las condiciones de la probabilidad de ignición en entornos rurales y no forestales y hayan propuesto nuevos métodos computacionales. Los sistemas de evaluación del riesgo de incendios forestales no siempre son eficaces en las zonas rurales debido a la diversidad de tipos de vegetación. Este trabajo propone un nuevo índice de riesgo de incendios para ponderar el potencial de ignición del combustible en zonas rurales. El modelo utiliza técnicas innovadoras para obtener resultados más precisos que el Índice Meteorológico de Incendios (FWI). Tiene en cuenta las características específicas de las condiciones ambientales locales para proporcionar una evaluación más precisa del riesgo de ignición.
Citas
Arnaldos Viger, J., Castelló Vidal, J. I., Giménez Pujol, A., Puchal Vergara, J. (2004). Manual de ingeniería básica para la prevención y extinción de incendios forestales. Ediciones Mundi-Prensa.
Canadian Institute for Fire Safety Research (CIFSR). (2023). Glossary of Fire Weather Terms. https://glossary.ciffc.ca/
Stocks, B. J., Lawson, B. D., Alexander, M. E., Wagner, C. E., McAlpine, R. S., Lynham, T. J., Dubé, D. E. (1989). Canadian Forest Fire Danger Rating System: An Overview. The Forestry Chronicle, 65 (4), 258–265. https://doi.org/10.5558/tfc65258-4
Yakubu, I., Mireku-Gyimah, D., Duker, A. (2015). Review of methods for modelling forest fire risk and hazard. African Journal of Environmental Science and Technology, 9 (2), 155–165. https://doi.org/10.5897/AJEST2014.1820
Lawson, B. D., Armitage, O. B., Hoskins, W. D. (1996). Diurnal variation in the Fine Fuel Moisture Code: tables and computer source code. Natural Resources Canada.
https://ostrnrcan-dostrncan.canada.ca/entities/publication/9f6a43e0-644e-43b5-8e27-c176687e364c
Beck, J. A., Alexander, M. E., Harvey, S. D., Beaver, A. K. (2002). Forecasting diurnal variations in fire intensity to enhance wildland firefighter safety. International Journal of Wildland Fire, 11 (3), 173–182. https://doi.org/10.1071/WF02002
Dimitrakopoulos, A. P., Bemmerzouk, A. M., Mitsopoulos, I. D. (2011). Evaluation of the Canadian Fire Weather Index system in an eastern Mediterranean environment. Meteorological Applications, 18 (3), 331–340. https://doi.org/10.1002/met.214
Chelli, S., Maponi, P., Campetella, G., Monteverde, P., Foglia, M., Pari s, E., Lolis, A., Panagopoulos, T. (2015). Adaptation of the Canadian Fire Weather Index to Mediterranean forests. Natural Hazards, 75 (2), 1795–1810. https://doi.org/10.1007/s11069-014-1397-8
Villers-Ruiz, L., Chuvieco, E., Aguado, I. (2019). Aplicación del Índice Meteorológico de Incendios Canadiense en un parque nacional del centro de México. Revista Mexicana de Ciencias Forestales, 3 (11), 25–40. https://doi.org/10.29298/rmcf.v3i11.515
Finkele, K., Flattery, P., Nugent, C. & Downes, P. (2021). Current Operational Implementation of the Canadian Forest Fire Weather Index System in the Republic of Ireland. https://ui.adsabs.harvard.edu/abs/2023EGUGA..25.7853F/abstract
El Territorio. (2024). Chemes: “El 99% de los incendios es producto del humano”. https://www.elterritorio.com.ar/noticias/2024/01/31/818322-chemes-el-99por-ciento-de-los-incendios-es-producto-del-humano
Instituto Geográfico Nacional (IGN). (2023). Clasificación de cobertura del suelo en Argentina a partir de imágenes satelitales utilizando el algoritmo Random Forest. https://bit.ly/IGNRF
Gupta, A., Watson, S., Yin, H. (2021). Deep learning-based aerial image segmentation with open data for disaster impact assessment. Neurocomputing, 439, 22–33. https://doi.org/10.1016/j.neucom.2020.02.139
Qin, R., Liu, T. (2022). A Review of Landcover Classification with Very-High Resolution Remotely Sensed Optical Images-Analysis Unit, Model Scalability and Transferability. Remote Sensing, 14 (3), 1-28. https://doi.org/10.3390/rs14030646
Martin, R. E., Gordon, D. A., Gutierrez, M. E., Lee, D. S., Molina, D. M., Schroeder, R. A., Sapsis, D. B., Stephens, S. L., Chambers, M. (1994). Assessing the flammability of domestic and wildland vegetation. International Conference on Fire and Forest Meteorology. Jekyll Island, GA.
Varner, J. M., Kane, J. M., Kreye, J. K., Engber, E. A. (2015). The Flammability of Forest and Woodland Litter: A Synthesis. Current Forestry Reports, 1 (2), 91–99. https://doi.org/10.1007/s40725-015-0012-x
Brys, C., Navas-Delgado, I., Aldana-Montes, J. (2023). Wildfire Risk Weighting and Behavior Prediction Using Open Geospatial Data and Ontologies. Journal of Information Science. https://doi.org/10.1177/01655515231202757
Dirección de Modernización de la Gestión y Gobierno Electrónico (DMGGE). (2023). Ponderación del Riesgo y Predicción del Comportamiento de Incendios Rurales (ER-01). https://gitlab.com/Modernizacion.Misiones/incendios-rurales/-/wikis/informe-experimento-01
Rossa, C. G., Fernandes, P. M. (2018). Empirical Modeling of Fire Spread Rate in No-Wind and No-Slope Conditions. Forest Science, 64 (4), 358–370. https://doi.org/10.1093/forsci/fxy002
IMIBIO. (2024). Instituto Misionero de Biodiversidad. https://imibio.misiones.gob.ar/es
Hantson, S., Andela, N., Goulden, M. L., Randerson, J. T. (2022). Human-ignited fires result in more extreme fire behavior and ecosystem impacts. Nature Communications, 13 (1), 2717. https://doi.org/10.1038/s41467-022-30030-2
Instituto Nacional de Tecnología Agropecuaria (INTA). (2023). Estación Experimental Agrícola “INTA Cerro Azul”. https://inta.gob.ar/cerroazul
Rondinelli, W. J., Hornbuckle, B. K., Patton, J. C., Cosh, M. H., Walker, V., Carr, B. D., Logsdon, S. D. (2015). Different Rates of Soil Drying after Rainfall Are Observed by the SMOS Satellite and the South Fork in situ Soil Moisture Network. Journal of Hydrometeorology, 16 (2), 889–903. https://doi.org/10.1175/JHM-D-14-0137.1
Kurc, S. A., Small, E. E. (2004). Dynamics of evapotranspiration in semiarid grassland and shrubland ecosystems during the summer monsoon season, central New Mexico. Water Resources Research, 40 (9), 1-15. https://doi.org/10.1029/2004WR003068
Kunst, C. R., Ledesma, R. R., Bravo, S., Defossé, G. E., Godoy, J. A., Navarrete, V. D. C. (2014). Dinámica de la humedad de los combustibles y su relación con la ecología y manejo de fuego, region chaqueña occidental (Argentina) II: follaje y residuos de árboles y arbustos. Revista de Investigaciones Agropecuarias (RIA), 40 (2), 165–181. https://ria.inta.gob.ar/wp-content/uploads/2014/08/ria-vol-40-n2-2014.pdf
Lawson, B. D., Armitage, O. B. (2008). Weather Guide for the Canadian Forest Fire Danger Rating System. Natural Resources Canada. https://ostrnrcan-dostrncan.canada.ca/handle/1845/219568
Miller, E. (2020). A Conceptual Interpretation of the Drought Code of the Canadian Forest Fire Weather Index System. Fire, 3 (2), 1-8. https://doi.org/10.3390/fire3020023
Visual Crossing Corporation. (2023). Weather Data & API. https://www.visualcrossing.com/
Hurtado, R., Specha, L. (2011). Evaporación y evapotranspiración. En G. M. Murphy, R. H. Hurado (Eds.) Agrometeorología (pp. 85–102). Editorial Facultad de Agronomía. https://tinyurl.com/Hurtado2011
Reed, K. A., Jablonowski, C. (2011). Assessing the Uncertainty in Tropical Cyclone Simulations in NCAR’s Community Atmosphere Model. Journal of Advances in Modeling Earth Systems, 3 (2), 1-16. https://doi.org/10.1029/2011MS000076
Cruz, M. G., Alexander, M. E. (2019). The 10% wind speed rule of thumb for estimating a wildfire’s forward rate of spread in forests and shrublands. Annals of Forest Science, 76 (2), 1-11. https://doi.org/10.1007/s13595-019-0829-8
Tatayo Vinueza, E., Llugsi Cañar, R. (2022). Implementación de una mini-red de sensores inalámbricos para detección temprana de incendios forestales. Revista de Investigación en Tecnologías de la Información (RITI), 10 (21 Especial), 88–99. https://doi.org/10.36825/RITI.10.21.008
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
