Estimación de la distribución vertical de combustibles finos del dosel de copas en masas de Pinus sylvestrisempleando datos LiDAR de baja densidad

Abstract

La altura de la base de la copa, la carga de combustible disponible y la densidad aparente son características estructurales del dosel de copas utilizadas para predecir la actividad de fuego de copas. La medición directa en campo de estas variables es impráctica y por tanto sus valores se estiman habitualmente mediante el empleo de modelos predictivos. Avances en la modelización del comportamiento del fuego hacen que sea de gran interés explorar la posibilidad de estimar de forma precisa y a escala de paisaje la distribución vertical de los combustibles en el dosel de copas. En este sentido, este estudio pretende analizar el potencial de los datos obtenidos de sensores LiDAR (Light Detection and Ranging) aerotransportados para modelizar dicha distribución vertical en masas de pino silvestre en Galicia. Para ello se usaron datos del vuelo LiDAR del PNOA (Plan Nacional de Ortofotografía Aérea) con una densidad de 0,5 primeros retornos m–2 y datos de campo procedentes del Cuarto Inventario Forestal Nacional (IFN4). En un primer paso, la distribución vertical fue caracterizada empleando la función de densidad de probabilidad de Weibull para, en un segundo paso, ajustar un sistema de ecuaciones que relacionan las variables del dosel con métricas derivadas de los datos LiDAR. Las ecuaciones se ajustaron simultáneamente para corregir los posibles problemas de correlación entre errores. Las distribuciones verticales finalmente estimadas explicaron el 41% de la variabilidad observada en las parcelas de estudio. El sistema de ecuaciones propuesto puede ser usado también para evaluar la efectividad de diferentes alternativas de gestión del combustible para reducir el riesgo de fuego de copa en rodales de pino silvestre.

Canopy fuel load, canopy bulk density and canopy base height are structural variables used to predict crown fire initiation and spread. Direct measurement of these variables is not functional, and they are usually estimated indirectly by modelling. Advances in fire behaviour modelling require accurate and landscape scale estimates of the complete vertical distribution of canopy fuels. The goal of the present study is to model the vertical profile of available canopy fuels in Scots pine stands by using data from the Spanish national forest inventory and low-density LiDAR data (0.5 first returns m–2) provided by Spanish PNOA project (Plan Nacional de Ortofotografía Aérea). In a first step, the vertical distribution of the canopy fuel load was modelled using the Weibull probability density function. In a second step, a system of models was fitted to relate the canopy variables to Lidar-derived metrics. Models were fitted simultaneously to compensate the effects of the inherent cross-model correlation between errors. Heteroscedasticity was also analyzed, but correction in the fitting process was not necessary. The estimated canopy fuel load profiles from LiDAR-derived metrics explained 41% of the variation in canopy fuel load in the analysed plots. The proposed models can be used to assess the effectiveness of different forest management alternatives for reducing crown fire hazard.