Susceptibilidad para incendios de cubierta vegetal: una evaluación desde los métodos multicriterio y radiofrecuencia (Cantón Cotacachi, Ecuador)

• Arias-Muñoz, Paul ^[1] ; Chuma-Pomasqui, Luis ^[1] ; Coronado Cacuango, Pablo ^[1] ; Jácome-Aguirre, Gabriel ^[1]
  1. [1] Universidad Técnica del Norte

     Universidad Técnica del Norte

     San Miguel De Ibarra, Ecuador

     
• Localización: Cuadernos de investigación geográfica: Geographical Research Letters, ISSN-e 1697-9540, ISSN 0211-6820, Vol. 50, Nº 1, 2024, págs. 21-39
• Idioma: español
• Títulos paralelos:
  • Susceptibility to vegetation cover fires: an evaluation using multi-criteria and radio frequency methods (Cotacachi Cantón, Ecuador)
• Enlaces
  • Texto completo (pdf)
  • Texto completo
• Resumen
  • español

    En Ecuador, alrededor de 11688,88 hectáreas de cobertura vegetal se perdieron en el 2023 producto de los 1495 incendios de cobertura vegetal (ICV) registrados. Por ello, la presente investigación tuvo como objetivo determinar áreas susceptibles a ICV para el cantón Cotacachi en Ecuador y en sus dos zonas diferenciadas. Para evaluar la susceptibilidad a ICV en un entorno SIG se aplicaron los métodos multicriterio de Proceso de Análisis Jerárquico (AHP) y Radio Frecuencia (RF). Para ello, se establecieron 11 factores clasificados en topográficos (altitud, pendiente del terreno, orientación del terreno), climáticos (precipitación, temperatura, evapotranspiración potencial, déficit hídrico y velocidad del viento) y antrópicos (cobertura de suelo, cercanía a carreteras y cercanía a espacios agrícolas). Después, se obtuvieron los modelos espacialmente explícitos y los resultados fueron validados con la curva ROC y el área bajo la curva (AUC). Los resultados muestran que alrededor del 47% del territorio presenta peligro extremo a los ICV según el método multicriterio AHP y un 53% del cantón según el método RF, presentando una mayor concentración en la zona subtropical que en la zona andina. Los valores del rendimiento muestran que, después de comparar los modelos con información de focos de calor del sistema FIRMS-NASA del periodo 2000-2020, se obtuvo un AUC: 0,824 para el modelo AHP y un valor AUC: 0,902 para el modelo RF. Mientras que, al compararlo con los incendios históricos del periodo 2018-2020, se obtuvo un AUC: 0,748 para el modelo AHP y un valor AUC: 0,755 para el modelo RF. Finalmente, se concluye que los modelos multicriterio AHP y RF presentaron resultados y rendimientos similares con mínimas diferencias.

  • English

    In Ecuador, around 11688.88 hectares of vegetation cover were lost in 2023 due to 1495 registered vegetation cover fires (ICV).. Therefore, this research aimed to determine areas susceptible to ICV for the Cotacachi cantón in Ecuador and its two differentiated zones. To evaluate the susceptibility to ICV in a GIS environment, the multi-criteria methods of Analytic Hierarchy Process (AHP) and Radio Frequency (RF) were applied. For this purpose, 11 factors were established classified into topographic (altitude, slope, terrain orientation), climatic (precipitation, temperature, potential evapotranspiration, water deficit and wind speed) and anthropic (land cover, proximity to roads and proximity to agricultural areas). Afterwards, spatially explicit models were obtained, and the results were validated with the ROC curve and the area under the curve (AUC). The results show that around 47% of the territory is at extreme risk of ICV according to the AHP multi-criteria method and 53% of the canton according to the RF method, with a higher concentration in the subtropical zone than in the Andean zone. The performance values show that after comparing the models with heat spot information from the FIRMS-NASA system for the period 2000-2020, an AUC of 0.824 was obtained for the AHP model and an AUC value of 0.902 for the RF model. While, when compared with historical fires from the period 2018-2020, an AUC of 0.748 was obtained for the AHP model and an AUC value of 0.755 for the RF model. Finally, it is concluded that the AHP and RF multi-criteria models presented similar results and performances with minimal differences.