Evaluación de los efectos del cambio climático en el contenido de la humedad del combustible vivo en las zonas forestales de la Comunitat Valenciana

Abstract

[ES] La Humedad del Combustible Vivo (HCV) representa el contenido de agua en relación con la materia seca de la vegetación y es una variable fundamental en la interacción entre el fuego y la materia combustible. Muchos factores medioambientales determinan el comportamiento de los incendios, pero la distribución espacial del contenido de HCV sobre el territorio caracteriza y condiciona la ignición, la propagación y el impacto de un incendio. El Sistema Integrado de Gestión de Incendios Forestales (SIGIF) de la Generalitat Valenciana está implementado una metodología basada en modelos de regresión lineal multivariante para obtener estimaciones del contenido de HCV en toda la superficie forestal de la Comunitat Valenciana, tarea en la cual está colaborando el tutor de este trabajo fin de máster. Para ello se usan datos obtenidos por los satélites Sentinel-2, aproximadamente cada 5 días, junto con datos meteorológicos diarios de precipitación, temperatura, humedad relativa y velocidad del viento, cedidos al SIGIF por la Agencia Estatal de Meteorología (AEMET). Las ecuaciones de dichos modelos fueron ajustadas usando datos de HCV tomados en campo desde junio de 2020 hasta noviembre de 2021. Dado que la Comunitat Valenciana no es homogénea en cuanto a sus características climáticas y geográficas, se han desarrollado ecuaciones específicas para diferentes especies arbóreas, pisos bioclimáticos y modelos de combustible. En este trabajo se ha desarrollado una metodología para la validación de dichos modelos del SIGIF usando datos de campo de HCV obtenidos en la Comunitat Valenciana durante los años 2022 y 2023. Para ello se ha creado una nueva base de datos con los valores de HCV tomados en campo para diferentes especies vegetales, en diferentes parcelas y en diferentes instantes de tiempo durante los años 2022-2023, proporcionados por la empresa VAERSA al tutor de este trabajo. Para obtener las predicciones con los modelos que se están implementando en el SIGIF ha sido necesario usar diversas fuentes de datos: (1) información meteorológica puntual suministrada por la AEMET que ha sido interpolada para cubrir toda la zona de trabajo, (2) información espectral obtenida de los satélites Sentinel-2 y tratada con Google Earth Engine (GEE) para obtener distintos índices que guarden relación con la humedad de la vegetación y, (3) datos topográficos, obtenidos del ICV (Institut Cartogràfic Valencià), en puntos en los que la empresa VAERSA ha realizado muestreos de HCV. Los datos meteorológicos diarios han permitido analizar los cambios en el patrón de precipitaciones, temperaturas y humedad relativa que se han producido en los años 2022 y 2023 respecto a los años precedentes. También se ha analizado su incidencia en la perdida de precisión de los modelos del contenido de HCV, ajustados con datos de los años 2020 y 2021, para hacer predicciones en los años siguientes. Y se ha propuesto una formulación alternativa de los modelos para disminuir los errores observados en dicha validación. Este estudio demuestra la importancia de monitorizar de cerca indicadores clave en la prevención de incendios forestales, como la humedad del combustible vivo, que se pueden ver alterados por los efectos del cambio climático. La combinación de diversas fuentes de datos y el desarrollo de ecuaciones específicas para diferentes pisos bioclimáticos y tipos de vegetación en la Comunitat Valenciana proporciona una visión integral y precisa de la evolución del contenido de HCV en dicho territorio.

[EN] Live Fuel Moisture content (LFMC) represents the water content in relation to the dry matter of the vegetation and is a fundamental variable in the interaction between fire and fuel matter. Many environmental factors determine the behaviour of fires, but the spatial distribution of LFMC over the territory characterizes and conditions the ignition, spread and impact of a fire. The "Sistema Integrado de Gestión de Incendios Forestales (SIGIF)" of the Generalitat Valenciana is implementing a methodology based on multivariate linear regression models to obtain estimates of the LFMC in the entire forest area of the Valencian region, a task in which the tutor of this master's thesis is collaborating. For this, data obtained by the Sentinel-2 satellites are used, taken approximately every 5 days, together with daily meteorological data on precipitation, temperature, relative humidity, and wind speed, transferred to the SIGIF by Agencia Estatal de Meterorología (AEMET). The equations of these models were adjusted using LFMC data taken in the field from June 2020 to November 2021. Given that the Valencian region is not homogeneous in terms of its climatic and geographical characteristics, specific equations have been developed for different tree species, bioclimatic floors, and fuel models. In this work, a methodology has been developed for the validation of these SIGIF models using LFMC field data obtained in the Valencian region during the years 2022 and 2023. To this end, a new database has been created with the LFMC values taken in the field for different forest species, in different plots and at different dates during the years 2022-2023, provided to the tutor by the VAERSA company. To obtain the predictions with the models that are being implemented in the SIGIF, it has been necessary to use several data sources: (1) point meteorological information provided by the AEMET that has been interpolated to cover the entire work area, (2) spectral information obtained from the Sentinel-2 satellites and processed with Google Earth Engine (GEE) to obtain different indices related to vegetation moisture and, (3) topographic data, obtained from ICV (Institut Cartogràfic Valencià), at points where VAERSA has carried out LFMC sampling. The daily meteorological data has made it possible to analyse the changes in the pattern of rainfall, temperatures and relative humidity that have occurred in 2022 and 2023 compared to previous years. Its impact on the loss of accuracy of LFMC models, adjusted with data from the years 2020 and 2021, has also been analysed to make predictions in the following years. And an alternative formulation of the models has been proposed to decrease the errors observed in such validation. This study demonstrates the importance of closely monitoring key indicators in wildfire prevention, such as the live fuel moisture content, which can be altered by the effects of climate change. The combination of various data sources and the development of specific equations for different bioclimatic floors and vegetation types in the Valencian region provides a comprehensive and accurate view of the evolution of LFMC in this territory.