Estimación de regeneración mediante variables ambientales e índices espectrales en ecosistemas con incendios forestales

Estimation of regeneration using environmental variables and spectral indices in ecosystems with forest fires

Abstract

La problemática de los incendios forestales requiere crear metodologías que permitan evaluar y predecir la respuesta que tendrá el ecosistema ante el impacto del fuego, para así dirigir las acciones de restauración de las áreas que más lo requieren. Sin embargo, evaluar estas áreas directamente en campo implica inversión de recursos (económicos y de personal) que, junto con el tiempo, son generalmente limitados. Para esto, las imágenes satelitales son una herramienta práctica para la evaluación de grandes áreas, o áreas inaccesibles, impactadas por incendios forestales. En este trabajo se evaluó la correlación que presentan diferentes variables medidas en campo y derivadas de sensores remotos, con relación a la regeneración natural de pino que se presenta en el bosque La Primavera y en Sierra de Quila, Jalisco. Los resultados mostraron diferentes variables para determinar los modelos predictivos de la regeneración natural de pino después de la ocurrencia de un incendio forestal, siendo los combustibles de 100 horas y de 1000 horas, grosor de corteza y profundidad de quemado, las variables tomadas directamente en campo que fueron incluidas en los modelos. Mientras que el índice de área de quemado, el índice de regeneración y la exposición, las variables tomadas mediante censores remotos las que se incluyeron en los modelos predictivos. Los modelos que mostraron una mayor R² son los obtenidos mediante variables de campo para las dos regiones. No obstante, el modelo obtenido solo con variables de sensores remostos para La Primavera obtuvo un R² de 0.6083, Al contrario de sierra de Quila en donde el modelo no toma ningún índice espectral para el modelo, por lo cual es recomendable establecer un mayor número de sitios de muestreo distribuidos de manera homogénea en toda el área afectada por el incendio, para mejorar la precisión de los modelos mediante sensores remotos.