Mapping impact of intense rainfall on a high-severity burned area using principal component analysis

• M. Francos ^[1] ; P. Pereira ^[2] ; X. Úbeda ^[1]
  1. [1] Universitat de Barcelona

     Universitat de Barcelona

     Barcelona, España

     
  2. [2] Mykolas Romeris University

     Mykolas Romeris University

     Lituania

     
• Localización: Cuadernos de investigación geográfica: Geographical Research Letters, ISSN-e 1697-9540, ISSN 0211-6820, Vol. 45, Nº 2, 2019, págs. 601-621
• Idioma: inglés
• Títulos paralelos:
  • Cartografía del impacto de una lluvia intensa en un área quemada a alta severidad usando el análisis de componentes principales
• Enlaces
  • Texto completo (pdf)
  • Texto completo
• Resumen
  • español

    Los incendios forestales de alta severidad tienen un gran impacto en las propiedades del suelo. Además, las áreas quemadas recientemente son muy sensibles a los eventos de lluvia intensa. Sin embargo, se sabe poco sobre el impacto de las precipitaciones extremas en la relación entre las propiedades del suelo y su distribución espacial. El objetivo de este estudio es examinar los efectos de un evento de lluvia intensa en las propiedades del suelo y su distribución espacial en un área pequeña mediante el análisis de componentes principales (PCA). Las variables estudiadas fueron estabilidad de agregados (AS), nitrógeno total (TN), materia orgánica del suelo (SOM), carbono inorgánico (IC), relación C/N, carbonato cálcico (CaCO3), pH, conductividad eléctrica (EC), fósforo disponible (P), calcio extraíble (Ca), magnesio extraíble (Mg), sodio extraíble (Na) y potasio extraíble (K). Cada PCA (antes y después del evento de lluvia) nos permitió extraer cinco factores. En el PCA del pre-evento de precipitación intenso el factor 1 explicó la varianza de EC, P disponible, Mg y K extraíbles; el factor 2 representa TN, SOM (altas cargas), IC y CaCO3 (bajas cargas); el factor 3 explicó AS, Ca y Na extraíbles; y los factores 4 y 5 representaron C/N y pH, respectivamente. En el PCA después del evento de precipitación el factor 1 explicó la varianza de TN, SOM, EC, P disponible, Mg y K extraíbles (altas cargas) y pH (baja carga); el factor 2 representó IC y CaCO3; el factor 3 explicó Ca y Na extraíbles; el factor 4 representó AS; y el factor 5 para C/N. Los resultados mostraron que el evento de lluvia intensa cambió la relación entre las variables, fortaleciendo la correlación entre ellas, especialmente en el caso de TN, SOM, EC, P disponible, Mg extraíble y Ca extraíble con AS. En el caso del PCA pre-evento de precipitación intensa, los modelos de variogramas más adecuados fueron: factores 1 y 2: linear model; factores 3 y 4: pure nugget effect; y factor 5: spherical model. En el caso de los factores en el PCA después del evento de precipitación intenso, con la excepción del factor 5 (spherical model), el modelo mejor ajustado fue el linear model. Los mapas de los valores del PCA ilustraron un cambio marcado en la distribución espacial de las variables antes y después del evento de lluvia intensa. Se detectaron diferencias importantes en AS, pH, IC de C / N, CaCO3, Ca y Na extraíbles.

  • English

    High-severity wildfires have a major impact on soil properties. Moreover, recently burned areas are highly sensitive to intense rainfall events. However, little is known about the impact of extreme rainfall on the relationship between soil properties and their spatial distribution. The objective of this study is to examine the effects of an intense rainfall event on soil properties and their spatial distribution in a small area using principal component analysis (PCA). The variables studied were aggregate stability (AS), total nitrogen (TN), soil organic matter (SOM), inorganic carbon (IC), C/N ratio, calcium carbonates (CaCO3), pH, electrical conductivity (EC), available phosphorus (P), extractable calcium (Ca), extractable magnesium (Mg), extractable sodium (Na) and extractable potassium (K). Each PCA (before and after intense rainfall event) allowed us to extract five factors. Factor 1 in the pre-intense rainfall event PCA explained the variance of EC, available P, extractable Mg and K; factor 2 accounted for TN, SOM (high loadings), IC and CaCO3 (low loadings); factor 3 explained AS, extractable Ca and Na; and, factors 4 and 5 accounted for C/N and pH, respectively. Factor 1 in the after intense rainfall event PCA explained the variance of TN, SOM, EC, available P, extractable Mg and K (high loadings) and pH (low loading); factor 2 accounted for IC and CaCO3; factor 3 explained extractable Ca and Na; factor 4 accounted for AS; and, factor 5 for C/N. The results showed that the intense rainfall event changed the relationship between the variables, strengthening the correlation between them, especially in the case of TN, SOM, EC, available P, extractable Mg and extractable Ca with AS. In the case of the pre-intense rainfall event PCA, the best- fit variogram models were: factors 1 and 2 – the linear model; factors 3 and 4 – the pure nugget effect; and, factor 5 – the spherical model. In the case of the factors after intense rainfall event PCA, with the exception of factor 5 (spherical model), the best fit model was the linear model. The PCA score maps illustrated a marked change in the spatial distribution of the variables before and after the intense rainfall event. Important differences were detected in AS, pH, C/N IC, CaCO3, extractable Ca and Na.