000030683 001__ 30683
000030683 005__ 20190219123638.0
000030683 037__ $$aTESIS-2015-037
000030683 041__ $$aeng
000030683 080__ $$a911.3:914.6
000030683 1001_ $$aRodrigues Mimbrero, Marcos
000030683 24500 $$aReview and new methodological approaches in human-caused wildfire modeling and ecological vulnerability$$bRisk modeling at mainland Spain
000030683 260__ $$aZaragoza$$bUniversidad de Zaragoza, Prensas de la Universidad$$c2015
000030683 300__ $$a281
000030683 4900_ $$aTesis de la Universidad de Zaragoza$$v2015-36$$x2254-7606
000030683 500__ $$aPresentado:  20 03 2015
000030683 502__ $$aTesis-Univ. Zaragoza, Geografía y Ordenación del Territorio, 2015$$bZaragoza, Universidad de Zaragoza$$c2015
000030683 506__ $$aby-nc-nd$$bCreative Commons$$c3.0$$uhttps://creativecommons.org/licenses/by-nc-nd/3.0/
000030683 520__ $$aEn las últimas décadas, las autoridades en materia de incendios han fomentado la investigación acerca de los factores desencadenantes del fuego, parámetro decisivo para lograr un entendimiento mayor de los patrones de la ocurrencia de incendios y mejorar las medidas preventivas. Existe por tanto una necesidad de mejorar y actualizar los enfoques metodológicos para el modelado de incendios forestales, teniendo en cuenta no sólo algoritmos innovadores, sino también la mejora y/o superación de los métodos clásicos de regresión. Por otra parte, es también imprescindible fomentar la evaluación de los posibles daños potenciales en los ecosistemas naturales, promoviendo así la conservación de los servicios de valor económico, ambiental, cultural y estético que éstos proporcionan a la sociedad. El objetivo principal de esta tesis doctoral es explorar nuevos métodos para el modelado de la causalidad humana en incendios forestales así como de los efectos adversos sobre las comunidades vegetales potencialmente afectadas.  El modelado de la causalidad humana se ha realizado a partir de métodos de aprendizaje artificial y de técnicas de regresión geográficamente ponderada. Estas técnicas permiten por una parte el ajuste de modelos de probabilidad de ocurrencia espacialmente explícitos y, por otra, el estudio de la variabilidad espacial de los factores explicativos.  La estimación de la vulnerabilidad de la vegetación frente al fuego, se ha llevado a cabo utilizando un enfoque cuantitativo, que permita superar los métodos existentes, que, si bien pueden ser útiles en algunas áreas de la gestión del territorio, son inadecuados para otros tipos de análisis, tales como la estimación de las pérdidas económicas inducidas por el fuego como consecuencia de la interrupción de los servicios ambientales (por ejemplo, la madera, la caza, y la recolección de setas). Para abordar el análisis de la vulnerabilidad se propone un método basado en la estimación del tiempo de recuperación de las comunidades vegetales tras el fuego, desarrollado mediante álgebra de mapas en entorno SIG. Los resultados indican que la utilización de métodos de aprendizaje artificial (concretamente el algoritmo Random Forest) supone una mejora sustancial respecto a los métodos clásicos de regresión, si bien parece que existe cierta incertidumbre en los modelos desarrollados, relacionada principalmente con la calidad de los datos de ocurrencia. Además, la aplicación de modelos GWR ha revelado la existencia de una elevada heterogeneidad espacial en la relación y capacidad explicativa de los factores relacionados con la ocurrencia de incendios con origen antrópico. Por otra parte, la aplicación del modelo propuesto para la estimación cuantitativa de la vulnerabilidad ecológica sugiere que la capacidad de respuesta de la vegetación se encuentra estrechamente relacionada con la estrategia reproductiva de las especies afectadas.
000030683 520__ $$aOver the last decades, authorities responsible on forest fire have encouraged research on fire triggering factors, recognizing this as a critical point to achieve a greater understanding of fire occurrence patterns and improve preventive measures. There is therefore a need to improve and update the methodological approaches for modeling forest fires, taking into account not only innovative algorithms, but also improving and/or overcoming classical regression methods. On the other hand it is also essential to encourage the assessment of potential damage on natural ecosystems, promoting the conservation of its economic, environmental, cultural and aesthetic assets they provide to society. The main objective of this PhD thesis is to explore new methods for modeling human causality in forest fires and adverse effects on the plant communities potentially affected.  Human causality modeling was carried out from machine learning methods and geographically weighted regression techniques. These procedures allow the adjustment spatially explicit probability models of occurrence and, secondly, the study of the spatial variability of wildfire explanatory factors.  The estimation of the vulnerability of vegetation to fire was carried out using a quantitative approach to overcome current methods, which, while they may be useful in some areas of land management, are inadequate for other types of analysis, such as estimating economic losses induced by interrupting ecosystem services (e.g., wood, hunting, and gathering mushrooms). To address the vulnerability a method based on evaluating the recovery time of plant communities after the fire using a GIS map algebra approach is proposed.  The results suggest that the use of machine learning methods (specifically the Random Forest algorithm) represents a substantial improvement over traditional methods of regression, although it appears that there is some uncertainty in the models, primarily related to the quality of ignition. Furthermore, the application of GWR models has revealed the existence of a high spatial heterogeneity in the relationship and explanatory power of the factors related to the occurrence of anthropogenic fires. Moreover, the application of the proposed model for the quantitative estimation of ecological vulnerability suggests that the responsiveness of vegetation is closely related to the reproductive strategy of the fire-affected species.
000030683 6531_ $$aregional geography
000030683 6531_ $$ageographic information systems
000030683 6531_ $$aforest fires
000030683 6531_ $$acomputers in statistics
000030683 6531_ $$ageografía regional
000030683 6531_ $$asistemas de información geográfica
000030683 6531_ $$aincendios forestales
000030683 6531_ $$acomputación en estadística
000030683 700__ $$aRiva Fernández, Juan de la$$edir.
000030683 7102_ $$aUniversidad de Zaragoza$$bGeografía y Ordenación del Territorio
000030683 8560_ $$fchperez@unizar.es
000030683 8564_ $$s12994563$$uhttps://zaguan.unizar.es/record/30683/files/TESIS-2015-037.pdf$$zTexto completo (eng)
000030683 909CO $$ooai:zaguan.unizar.es:30683$$pdriver
000030683 909co $$ptesis
000030683 9102_ $$aAnálisis geográfico regional$$bGeografía y Ordenación del Territorio
000030683 980__ $$aTESIS