Modelos de regresión múltiple para estimar la humedad del combustible vivo de la especie vegetal Rosmarinus officinalis en la Comunidad Valenciana

Abstract

[ES] La humedad del combustible vivo (HCV) es un factor importante para determinar el riesgo de incendio en los montes de la Comunitat Valenciana (España). La empresa pública VAERSA viene adquiriendo mensualmente, desde abril de 2014, datos de HCV de la especie vegetal Rosmarinus officinalis, para la Dirección de Prevención de Incendios Forestales de la Generalitat Valenciana, en diferentes puntos de muestreo repartidos por las tres provincias de la Comunidad Valenciana. En este trabajo se analizará la relación entre los valores de HCV y los valores de diferentes variables meteorológicas calculadas a partir de los valores de precipitación, temperatura, velocidad y dirección del viento, humedad relativa y punto de Rocío en observatorios cercanos a los puntos de muestreo. Para ello se describirá el proceso de creación de los modelos de regresión múltiple que permiten estimar los valores de HCV en toda la serie temporal de cada punto de muestreo usando las variables meteorológicas como variables predictoras. También se explicará el proceso de elección del mejor modelo de regresión múltiple usando diferentes indicadores: R2 ajustada por los grados de libertad, el estadístico Cp de Mallows y varios criterios de información. Y se analizará la verificación de las hipótesis de los modelos de regresión. Para la obtención de los modelos de regresión se usará el programa Statgraphics y el programa R. Se estudiará la mejora en la precisión que se obtiene al añadir diferentes índices de vegetación como variables predictoras , los cuales han sido extraídos a nivel de píxel en imágenes obtenidas con el satélite Sentinel-2. También se analizará la capacidad predictiva de los modelos obtenidos usando el método de validación cruzada. La metodología descrita se aplicará a cada uno de los puntos de muestreo comparando las variables introducidas en cada modelo y las diferencias que existen a nivel espacial.

[EN] The Live Fuel Moisture Content (LFMC) is an important factor to determine the risk of fire in the mountains of the Valencian Community (Spain). The public company VAERSA has been acquiring monthly, since April 2014, LFMC data of the plant species Rosmarinus officinalis, for the "Dirección de Prevención de Incendios Forestales de la Generalitat Valenciana", in different sampling points distributed by the three provinces of the Valencian Community . In this work, the relationship between such LFMC values and the values of different meteorological variables calculated from the values of precipitation, temperature, wind speed and direction, relative humidity and dew point in observatories near the sampling points, will be analyzed. The process of creating multiple regression models will be described, which allow estimating LFMC values throughout the time series of each sampling point using meteorological variables as predictor variables. The process of choosing the best multiple regression model using different indicators will also be explained: R2 adjusted for the degrees of freedom, Mallows's Cp statistic and several information criteria. The verification of the hypothesis of the regression models will also be analyzed. The Statgraphics and the R program will be used to obtain the regression models. The improvement in precision obtained by adding different vegetation indices as predictor variables will be studied, which have been extracted at the pixel level in images obtained with the Sentinel-2 satellite. The predictive capacity of the models obtained using the cross-validation method will also be analyzed. The methodology described will be applied to each of the sampling points, comparing the variables introduced in each model and the differences that exist at the spatial level.