6CFE01-302 - congreso forestal español

6CFE01-302
2/11
Sensibilidad al fuego de copas en las masas de pinares de la provincia de Pontevedra
FERNÁNDEZ-ALONSO, J.M.1, VEGA HIDALGO, J.A.1, ÁLVAREZ-GONZÁLEZ, J. G.2,
ALBERDI, I.3, RUIZ-GONZÁLEZ, A.D.2, CAÑELLAS, I.3 y JIMÉNEZ CARMONA, E.1
1
Dpto. de Protección Forestal. Centro de Investigación Forestal de Lourizán. Apdo. 127. 36080 Pontevedra.
Dpto. de Ingeniería Agroforestal. E.P.S Lugo. Universidade de Santiago de Compostela. Campus Universitario s/n 27002,
Lugo.
3 INIA-CIFOR. Dpto. de Selvicultura y Gestión de los Sistemas Forestales. Ctra. A Coruña km 7.5. 28040 Madrid.
2
Resumen
Las plantaciones de coníferas están entre los tipos de vegetación más inflamables. Para
estimar el riesgo de inicio de fuego y propagación en el estrato arbóreo, es necesario disponer
de métodos que permitan obtener las características del combustible de copas. Este estudio
calcula, a partir de datos del 4º Inventario Forestal Nacional, la cantidad y distribución del
combustible aéreo mediante modelos alométricos de biomasa. Las variables de copa obtenidas
fueron vinculadas posteriormente con variables de masa, utilizando árboles de clasificación y
regresión, y empleadas para simular comportamiento del fuego mediante modelos de inicio y
propagación de copas. Existen diferencias notables en cuanto al sistema empleado en la
simulación (Behave Plus y CFIS): el primero apenas indica actividad de copas, mientras que
el segundo muestra una tendencia creciente a fuego de copas conforme las condiciones
meteorológicas son más desfavorables. La altura media de la masa resultó ser la variable
estructural que mejor predice el inicio del fuego de copas, mientras que el área basimétrica es
la que mejor determina el régimen de fuego. Estos resultados podrían ser de utilidad en la
gestión forestal a la hora de estimar el comportamiento potencial del fuego y su modificación
tras tratamientos selvícolas.
Palabras clave
Carga de combustible arbóreo, densidad aparente de copas, altura de base de copas, CART,
modelos empíricos de comportamiento.
1. Introducción
Galicia es la comunidad del Estado dónde se da el mayor número de fuegos y donde se
quema mayor proporción de superficie forestal (SECF 2011). Durante el periodo 1999 – 2008
más de 319. 000 hectáreas ardieron en la Comunidad. La superficie forestal arbolada quemada
ha ido aumentando desde 2003, alcanzándose las 55.000 hectáreas en 2006 (D.X. MONTES
2010). Según el Cuarto Inventario Forestal Nacional (MARM 2011), la superficie arbolada en
Galicia es de más de 1,4 millones de ha, y de ellas, más de un 30 % corresponden a masas en
las que predominan las coníferas. La provincia de Pontevedra cuenta con más de 60.000 ha de
masas puras de pinar.
Las plantaciones de pinos, por su estructura, son consideradas una de las formaciones
vegetales más propensas a sufrir incendios, especialmente cuando tienen grandes cargas de
combustible en el sotobosque y no se han realizado tratamientos preventivos sobre el arbolado
(CRUZ et al. 2008, FERNANDES 2009). Con una topografía adecuada y bajo unas
condiciones ambientales favorables, el fuego podría subir de la superficie al estrato arbóreo y
propagarse a través de él, dando lugar a fuegos de copas. Estos incendios se caracterizan por
3/11
su mayor impacto económico, su mayor peligrosidad para la población y dificultad de
extinción y por ser los de mayor impacto ecológico (GRAHAM 2004). De estas tres
variables, estructura, topografía y meteorología, solo la primera puede ser modificada por el
selvicultor (PYNE et al. 1996). Es por tanto necesario proporcionar herramientas que
permitan caracterizar el combustible arbóreo, de modo que se pueda estimar el
comportamiento de un posible fuego y se puedan formular los tratamientos preventivos más
adecuados para optimizar la gestión y mitigar los efectos del fuego.
Tradicionalmente la caracterización del combustible forestal se ha centrado en los
complejos superficiales (mantillo y matorral), con el objeto de determinar el comportamiento
del fuego. El uso de sistemas como BEHAVE (BURGAN & ROTHERMEL 1984;
ANDREWS 1986) permite estimar la velocidad de propagación superficial, la intensidad
lineal o la longitud de llama. En la actualidad también existen sistemas que predicen el inicio
del fuego en el estrato arbóreo y la propagación a través del mismo. Alguno de los ejemplos
más relevantes son BehavePlus (ANDREWS 2008), FARSITE (FINNEY 1998), NEXUS
(SCOTT & REINHARDT 2001) o Crown Fire Initiation and Spread (CFIS) (ALEXANDER
et al. 2006).
El modelo de inicio y propagación de VAN WAGNER (1977) identifica dos claros
umbrales de la estructura del arbolado que controlan el inicio y la propagación del fuego de
copas. Generalmente se acepta que las variables estructurales que determinan la actividad de
copas son la carga de combustible arbóreo (CFL), la densidad aparente de copas (CBD) y la
altura de la base de la copa (CBH) (CRUZ et al. 2003). El CFL es la carga de combustible
arbóreo por unidad de superficie del terreno y representa la energía potencial a liberar por el
estrato arbóreo en caso de producirse el incendio. Existe cierta incertidumbre a la hora de
determinar qué fracciones del combustible aéreo se queman en la fase de llama. El CBD
indica la cantidad de combustible disponible por unidad de volumen del estrato de copas y es
una de las principales variables en la modelización empírica del fuego de copas. Determina el
flujo de masa en un incendio de copas y condiciona el régimen de propagación del fuego
(VAN WAGNER 1977). Existen diferentes métodos para estimar el CBD (VAN WAGNER
1977, BEUKEMA et al 1997, REINHARDT et al 2006). Tampoco existe un consenso entre
los autores a la hora de definir la altura del límite inferior del estrato arbóreo (CBH).
A pesar de la existencia de los modelos anteriormente descritos y de haberse
identificado las variables estructurales de entrada, CFL, CBD y CBH son, en general,
desconocidas para el gestor (AFFLECK et al. 2012). Además, apenas se cuenta con
herramientas para su estimación. La falta de una descripción específica de los combustibles
del estrato de copas impide o limita la aplicación de estos modelos de inicio o propagación en
la toma de decisiones de la gestión forestal (CRUZ, 2003).
2. Objetivos
Son objetivos de este estudio:
1) Cuantificar la variabilidad en la CFL, CBD y CBH de las masas de pinos de la
provincia de Pontevedra
2) Simular, bajo distintos escenarios meteorológicos, el potencial de fuego de copas
3) Desarrollar un criterio de clasificación del potencial de cada masa para sostener
distintos tipos de fuegos
4/11
3. Metodología
Área de estudio
Los datos para este estudio se obtuvieron del Cuarto Inventario Forestal Nacional (4º
IFN), realizado en la provincia de Pontevedra (MARM, 2011).
Las parcelas de muestreo se establecen en las intersecciones de una malla de 1x1 km.
Un total de 1504 parcelas fueron medidas en la provincia de Pontevedra.
Base de datos
El criterio para la selección de parcelas en la provincia fue fijado en base a un mínimo
del 90 % de área basimétrica de pino marítimo (Pinus pinaster Ait.) o mezcla de éste con
otras coníferas. Las masas en las que predominan otras coníferas son testimoniales en el área
de estudio. Las parcelas en las que los pies muertos o las frondosas suponen más del 10 % en
área basimétrica fueron eliminadas. El número final de parcelas fue de 227.
En cada parcela se seleccionaron como variables dasométricas explicativas la densidad
de pies por hectárea (N), el área basimétrica (G), la altura media ( h ) y la altura dominante
(H0). La longitud de copa (Lc, m) se estimó con un modelo ajustado a partir de datos de
inventario realizado en parcelas volantes del Centro de Investigación de Lourizán para el pino
marítimo (ecuación 1), donde E.M es eficiencia del modelo y E.M.C error medio cuadrático.
Lc 
h
1  e (1,38300, 0099G 0, 000141N 0, 0769h )
EM  0,4855 EMC  1,8299 (1)
Los datos de altura media de matorral, modelo de combustible superficial estándar
(ANDERSON, 1982) y pendiente fueron empleados para la simulación del comportamiento
del fuego. Otras variables complementarias como cobertura de matorral o pedregosidad
fueron introducidas en el análisis estadístico, con el objeto de observar su influencia sobre la
cantidad de combustible disponible en la parcela y su posible efecto sobre el comportamiento
del fuego.
Variables de copa
Se consideró las acículas y las ramillas finas, hasta 6 mm de diámetro, como
combustible arbóreo disponible para el frente de llama. Esta carga de combustible fino,
necesaria para calcular las variables CFL y CBD, se estimó mediante modelos alométricos de
biomasa. Se emplearon las ecuaciones para acículas y ramas finas ajustadas a partir de los
muestreos destructivos de arbolado realizado en el Centro de Investigación Forestal de
Lourizán (JIMÉNEZ et al., 2013).
La estimación de CBH se hizo según el método empleado por VAN WAGNER (1977)
en plantaciones experimentales, calculando la media, por parcela, de la altura de inicio de la
copa. La altura de inicio de copa se calculó como la diferencia entre la altura total del árbol y
su longitud de copa. El sistema CFIS (ALEXANDER et al. 2006) emplea una variante de esta
5/11
aproximación, el “Fuel Strata Gap” o FSG, por la cual la altura de inicio de copa se estima del
mismo modo, y a éste hay que restarle la altura media del combustible del sotobosque para
hallar el FSG. De este modo se obtiene la distancia libre de combustible entre el estrato
arbóreo y el superficial.
Finalmente, la CBD se estima como CFL dividida entre el volumen de copa, entendido
como el volumen de un paralelepípedo de altura igual a la longitud media de copa. La
longitud media de copa se calcula como la diferencia entre la altura media de la masa y la
altura media de la base de la copa.
Simulación de fuego
Los valores estimados de CBD y CBH permitieron simular el posible inicio y
propagación de un fuego de copas en las parcelas de inventario. Para ello, dos sistemas de
comportamiento de fuego fueron empleados. El primero, Behave Plus 5.0 (ANDREWS 2008)
integra los modelos de propagación de fuego de superficie (ROTHERMEL 1972) y de fuego
de copas (ROTHERMEL 1991) con el modelo de transición a copas y propagación de VAN
WAGNER (1977, 1989). El segundo, CFIS, implementa los modelos de inicio y propagación
desarrollados por CRUZ et al (2002, 2005). Cada uno de los modelos tiene variables de
entrada específicas. Los datos sobre el combustible superficial fueron empleados en la
simulación. La altura media de matorral es un input necesario para el sistema CFIS, y el
modelo de combustible superficial estándar (ANDERSON, 1982) para el sistema Behave
Plus5.0.
Las variables ambientales de entrada (tabla 1) para los programas de simulación se han
planteado según tres escenarios meteorológicos: ligero, moderado y extremo, con distinto
riesgo para el inicio y evolución de un incendio.
Tabla 1. Escenarios ambientales ambientales propuestos en la simulación del fuego, de condiciones ligeras a extremas.
Humedad de los combustibles muertos (%) de 1 hora, 10 horas y 100 horas de retardo, del combustible fino vivo (%) y de las
acículas (%). Velocidad del viento a 10 m de altura (km/h)
Parámetro
Cond. Ligeras
Cond. Moderadas
Cond. Extremas
H. 1 hora retardo (%)
H. 10 h retardo (%)
H. 100 h retardo (%)
H. fino vivo (%)
H. Foliar de copa (%)
Vel. viento (km.h-1)
14
14
14
120
200
10
10
10
12
100
175
20
6
8
10
80
130
30
El sistema Behave Plus 5.0 calcula la intensidad lineal del frente de fuego a partir de la
Intensidad de Reacción (IR, kw/m2) de ROTHERMEL (1972), según la fórmula 1:
I B = I R . tr . r
(1)
Donde tr es el tiempo de residencia de la llama (s) y r la velocidad de propagación (m/s).
VAN WAGNER (1977) ajustó su modelo de inicio de fuego de copas calculando la
intensidad lineal del fuego según la formulación de BYRAM (1959). Según CRUZ y
ALEXANDER (2010) las intensidades lineales calculadas con la fórmula de ROTHERMEL
son significativamente inferiores a las calculadas con la de BYRAM. Esto conduciría a
6/11
infraestimar los casos de inicio de fuego de copas. Por ello, se modificó el sistema Behave
Plus 5.0 introduciendo la intensidad lineal de BYRAM calculada según la fórmula 2:
IB = H . wa . r
(2)
Donde H es el calor inferior de combustión (kJ/kg), para el cual se toma el valor
estándar para los modelos de combustible considerado por el sistema Behave Plus 5.0: 18.600
kJ/kg, wa es el combustible consumido en la fase de llama del frente (kg/m2), que se estima
como la carga total de combustibles finos del sotobosque: fracciones de combustible vivas y
muertas de hasta 6 mm de diámetro, y r es la velocidad de propagación (m/s) calculada con el
modelo de propagación fuego de superficie de ROTHERMEL (1972).
Clasificación de la actividad de copas
Se realizaron árboles de clasificación que relacionasen las variables dasométricas
obtenidas para cada parcela y otras variables de inventario (fracción de cabida cubierta,
modelo de combustible, cobertura y altura de matorral, pendiente y pedregosidad) con el tipo
de fuego obtenido en la simulación (superficie, pasivo o activo). El análisis de árbol de
clasificación es una técnica no paramétrica que divide de forma secuencial una base de datos
compuesta de una variable respuesta categórica y cualquier número de variables predictivas,
mediante el uso de un criterio dicotómico (BREIMAN et al 1984).
Este análisis se llevó a cabo con el paquete estadístico R (THERNEAU & ATKINSON
2012; R DEVELOPMENT CORE TEAM 2011).
4. Resultados y discusión
Distribución de CFL, CBD y CBH
La tabla 2 presenta los estadísticos generales para las variables del arbolado. En
comparación con otros estudios similares, como el de CRUZ et al. (2003) en masas de
coníferas del oeste de Norte América, los valores obtenidos son más bajos en cuanto a la
carga de combustible. La CFL alcanzó en dicho estudio valores medios entre 0,61 y 1,41
kg/m2, mientras que la CBD entre 0,18 y 0,32 kg/m2. En cuanto a la CBH, el valor más alto
de altura de inicio de copa media, 6,1 m, es inferior al obtenido en este estudio. De todos
modos, estos valores se refieren a especies diferentes y los estudios emplean metodologías
distintas, por lo que es difícil realizar comparaciones.
Tabla 2. Resumen estadístico de las variables de copa. Densidad aparente CBD (kg/m3), carga de combustible arbóreo CFL
(kg/m2). y altura de la base de la copa CBH (m)
Parámetro
CBD
CFL
CBH
Media
0,134
0,706
9,111
D.E
0,077
0,474
3,342
Mínimo
0,005
0,015
2,455
Máximo
0,367
2,235
17,744
Simulación del comportamiento del fuego y clasificación
Los resultados de la simulación con los sistemas CFIS y Behave Plus 5.0 se presentan
en la tabla 3.
7/11
Tabla 3. Porcentaje de parcelas estudiadas del 4º IFN (n=227) por tipo de fuego y para cada sistema empleado. Fuegos de
copas activos, pasivos y de superficie. Escenarios meteorológicos planteados en metodología (tabla 1).
Sistema
Condiciones
meteorológicas
Ligeras
Moderadas
Extremas
CFIS. Tipo de fuego
Behave Plus 5.0. Tipo de fuego
Activo
Pasivo
Superficie
Activo
Pasivo
Superficie
0,00%
2,64%
65,64%
0,44%
14,98%
18,06%
99,56%
82,38%
16,30%
0,00%
0,00%
0,44%
1,76%
3,96%
7,49%
98,24%
96,04%
92,07%
Los resultados del sistema Behave Plus 5.0 muestra una baja tendencia de las parcelas a
sufrir actividad de copas. Para las condiciones meteorológicas extremas el porcentaje de
parcelas en el que se da algún tipo de fuego de copas no llega al 10 %. Por el contrario, el
sistema CFIS se muestra muy sensible a la variación de las condiciones ambientales,
especialmente en el salto entre condiciones moderadas y extremas. En condiciones ligeras los
porcentajes de tipo de fuego son similares a los obtenidos de Behave Plus, con muy baja
actividad de copas (menos del 1%), mientras que en condiciones ambientales extremas casi un
85 % de las parcelas presenta actividad de copas, y siendo más del 65 % del total fuegos
activos.
Los resultados de los árboles de clasificación se muestran en las figuras 1 y 2. La tabla 4
muestra casos de acierto y de error para cada árbol. Exceptuando las condiciones ambientales,
altura media (Hm) y área basimétrica (AB) resultan las variables predictivas en el sistema
CFIS. En condiciones ligeras o moderadas, parcelas con altura media superior a 9,6 m no
sufren actividad de copas. En este caso la altura media es un substituto del “Fuel Strata Gap”,
que usa el sistema CFIS como variable predictiva de inicio de copas. En condiciones extremas
el área basimétrica discrimina principalmente entre fuegos pasivos y activos las parcelas con
área basimétrica inferior a 7,6 m2/ha dan lugar a fuegos pasivos. Esta variable está
correlacionada significativamente con CBD, que es empleado por CFIS como variable
predictiva de régimen de fuego (activo/pasivo).
El sistema Behave Plus es muy sensible, de entrada, al modelo de combustible. El
modelo 4, de alta carga de combustible y alta velocidad de propagación, genera directamente
incendios de copa (pasivos). Para modelos distintos del 4, la variable más importante resultó
la altura media, que es una aproximación al CBH. Según esto, alturas medias de arbolado
superiores a 7 m dan lugar a incendios de superficie. Para obtener algún tipo de actividad de
copa en modelos de combustible distintos al 4 es necesario que se den condiciones
ambientales extremas y fracciones de cabida cubierta (FCC) inferiores al 32,5% (el valor
mínimo de FCC fue de un 7% en la muestra). El sistema Behave Plus emplea FCC como
variable para el cálculo del factor de reducción de viento. Valores bajos de FCC implican
mayor velocidad de viento a media llama, mayor intensidad lineal y por tanto mayor
probabilidad de inicio actividad de copas. No obstante, las masas abiertas implican menor
CBD, y por tanto menor capacidad de sostener un fuego activo, o pasivo, en el arbolado.
Behave Plus 5.0, para fuegos de copas no activos, no hace distinción entre fuegos pasivos en
masas densas o entorchamientos aislados en masas muy aisladas, lo cual podría dar lugar a un
problema de infraestimación del riesgo en masas que por su CBD podrían estar cerca de
mantener un fuego activo.
8/11
Figura 1. Árbol de clasificación del tipo de fuego simulado con el sistema CFIS. Área basimétrica (AB) y altura media
del arbolado (Hm). Escenarios meteorológicos planteados en metodología
Figura 2. Árbol de clasificación del tipo de fuego simulado con el sistema Behave Plus 5.0. Área basimétrica (AB,
altura media del arbolado (Hm y fracción de cabida cubierta (FCC). Escenarios meteorológicos planteados en
metodología
Tabla 4. Porcentaje y número de casos correctamente clasificados en los árboles CFIS (figura 1) y Behave Plus 5.0
(figura 2)
Sistema
CFIS
Behave Plus 5.0
Número de casos
681
681
Casos acierto
637
669
% acierto
93,54%
98,24%
5. Conclusiones
El empleo de sistemas de simulación de fuego en la gestión forestal está muy limitado
por la dificultad de estimar las variables del arbolado necesarias. El empleo de metodologías
como la presentada en este estudio, en base a datos de inventario forestal, puede resultar de
gran utilidad a la hora de estimar los parámetros necesarios para realizar la simulación del
comportamiento del fuego. No obstante deben tenerse en cuenta las limitaciones que pueda
9/11
tener esta metodología al existir posibles fuentes de error en los modelos alométricos de
biomasa empleados, en el modelo de longitud de copa o en los datos derivados de la
expansión de la información del Inventario Forestal.
Los resultados simulados del comportamiento del fuego deben ser tomados con
precaución, aplicando un enfoque orientativo. La disparidad de resultados entre ambos
sistemas en un reflejo de la incertidumbre que todavía existe a la hora de predecir el
comportamiento del fuego. Los modelos de comportamiento del fuego aún deben ser objeto
de mayor investigación y de mejora.
Los árboles de clasificación y regresión constituyen una posible herramienta de ayuda a
la toma de decisión. En este caso, a partir de pocas variables estructurales, principalmente
altura media y área basimétrica, y con unas condiciones ambientales aproximadas, se podría
estimar la sensibilidad de una masa a un fuego de copas sin necesidad de realizar la
simulación, lo cual resultaría muy útil en ámbitos en los que el gestor no está familiarizado
con los sistemas informáticos de simulación.
6. Agradecimientos
A los equipos del dpto. de Protección Ambiental (C.I.F. Lourizán), dpto. de Ingeniería
Agroforestal (E.P.S Lugo) y dpto. de Selvicultura y Gestión de los Sistemas Forestales (INIACIFOR) por su ayuda en la elaboración de este estudio. Este proyecto está apoyado por una
beca concedida al autor por el Instituto Nacional de Investigación y Tecnología Agraria,
dentro del proyecto RTA2009-00153-C03-01 titulado “Protección contra incendios forestales:
condiciones de inicio, propagación e impacto socioeconómico de los fuegos de copa en masas
de pinares”.
7. Bibliografía
AFFLECK, DL.; KEYES, CR.; GOODBURN, JM.; 2012. Conifer crown fuel modeling:
Current limits and potential for improvement. WEST. J. APPL. FOR. 27(4) 2012. 165 – 169.
ALEXANDER, ME.; CRUZ, MG.; LOPES, AMG.; 2006. CFIS: A software tool for
simulating crown fire initiation and spread. In: Viegas DX (ed) Proceedings of V
International Conference on Forest Fire Research.. Elsevier, Meppel, Netherlands [CDROM].
ANDERSON, HE.; 1982. Aids to determining fuel models for estimating fire behavior.
USDA Forest Service, Intermountain Forest and Range Experiment Station, General
Technical Report INT-122. (Ogden, UT)
ANDREWS, PL.; 1986. BEHAVE: Fire behavior prediction and fuel modeling systemBURN subsystem, part 1. USDA Forest Service, Intermountain Forest and Range Experiment
Station General Technical Report INT-260. Ogden, UT. 130 pp.
ANDREWS, PL.; 2008. BehavePlus fire modeling system, version 4.0: Variables. General
Technical Report RMRS-GTR-213WWW. Fort Collins, CO: Department of Agriculture,
Forest Service. Rocky Mountain Research Station.
10/11
BEUKEMA, SJ.; GREENOUGH, DC.; ROBINSON, CE.; KURTZ, WA.; REINHARDT,
ED.; CROOKSTON, NL.; et al; 1997. An introduction to the fire and fuels extension to FVS.
In: TECK R, MOUER M, ADAMS J (eds) Proceedings of the Forest Vegetation Simulator
conference. USDA Forest Service, Intermountain Research Station. Gen. Tech. Rep. INT373, Ogden, UT, pp 191-195.
BREIMAN, L.; FRIEDMAN, JH.; OLSHEN, RA.; STONE, CJ.; 1984. Classification and
Regression Trees. Chapman & Hall, New York.
BURGAN, RE.; ROTHERMEL, RC.; 1984. BEHAVE: Fire behavior prediction and fuel
modeling system-FUEL subsystem. USDA Forest Service, Intermountain Forest and Range
Experiment Station Research Paper INT-167. Ogden UT. 126 pp.
BYRAM, GM.; 1959. Combustion of forest fuels. In ‘Forest fire: Control and use’. (Ed. KP
Davis) pp. 61–89, 554–555. (McGraw-Hill: NewYork)
CRUZ, MG.; ALEXANDER, ME.; FERNANDES, PM.; 2008. Development of a model
system to predict wildfire behaviour in pine plantations. Australian Forestry 71(2): 113-121.
CRUZ, MG.; ALEXANDER, ME.; WAKIMOTO, RH.; 2003. Assessing canopy fuel stratum
characteristics in crown fire prone fuel types of western North America. Int J Wildland Fire
12: 39-50.
CRUZ, MG.; ALEXANDER, ME.; WAKIMOTO, RH.; 2002. Predicting crown fire behavior
in support of forest fire management decision making. In Forest Fire Research and Wildland
Fire Safety: Proceedings of the IV International Conference on Forest Fire Research, 2002
Wildland Fire Safety Summit. Edited by D.X. Viegas. Millpress Science Publishers,
Rotterdam, Netherlands. [CD-ROM.]
CRUZ, MG.; ALEXANDER, ME.; WAKIMOTO, RH.; 2005. Development and testing of
models for predicting crown fire rate of spread in conifer forest stands. Can. J. For. Res. 35:
1626-1639
CRUZ, MG.; ALEXANDER, ME.; 2010. Assessing crown fire potential in coniferous forests
of western North America: a critique of current approaches and recent simulation studies. Int
J Wildland Fire 19: 377-398.
D.X. MONTES; 2010. Memoria do Plan de Prevención e Defensa contra Incendios Forestais
de Galicia. Consellería de Medio Rural. Xunta de Galicia. Santiago de Compostela
FERNANDES, PM.; 2009. Combining forest structure data and fuel modelling to classify fire
hazard in Portugal. Ann For Sci 66: 415 DOI: 10.1051/forest/2009013
FINNEY, MA.; 1998. FARSITE: Fire area simulator-Model development and evaluation.
USDA For. Serv. Res. Pap. RMRS-RP-4.
GRAHAM, RT.; MCCAFFREY, S.; JAIN, TB. (TECH. EDS.); 2004. Science basis for
changing forest structure to modify wildfire behavior and severity. Gen. Tech. Rep. RMRS-
11/11
20 GTR-120. Fort Collins, CO: U.S. Department of Agriculture, Forest Service, Rocky
Mountain Research Station. 43 p
JIMÉNEZ, E.; VEGA, J.A.; FERNÁNDEZ-ALONSO, J.M.; VEGA-NIEVA, D.;
ÁLVAREZ-GONZÁLEZ, J.G.; RUIZ-GONZÁLEZ, A.D.; 2013. Allometric equations for
estimating canopy fuel load and distribution of pole-size maritime trees in five Iberian
provenances. Can. J. For. Res 43: 149-158.
MARM; 2011. Cuarto Inventario Forestal Nacional. Comunidad Autónoma de Galicia. Ed.
Dirección General del Medio Natural y Política Forestal.
PYNE, SJ.; ANDREWS PL.; LAVEN RD.; 1996. Introduction to Wildland Fire. John Wyley
and sons. New York. 769 p. 2nd Edition
REINHARDT, ED.; SCOTT, J.; GRAY, K.; KEANE, R.; 2006. Estimating canopy fuel
characteristics in five conifer stands in the western United States using tree and stand
measurements. Can J For Res 36: 2803-2814.
ROTHERMEL, RC.; 1972. A mathematical model for predicting fire spread in wildland
fuels. USDA Forest Service, Intermountain Forest and Range Experiment Station, Research
Paper INT-115. (Ogden, UT)
ROTHERMEL, RC.; 1991. Predicting behavior and size of crown fires in the Northern Rocky
Mountains. USDA Forest Service, Intermountain Research Station, Research Paper INT-438.
(Ogden, UT)
SCOTT, J.; REINHARDT, ED.; 2001. Assessing crown fire potential by linking models of
surface and crown fire behavior. USDA Forest Service. Rocky Mountain Research Station.
Research Paper RMRS-RP-29.
SECF; 2011. Informe 2010. Situación de los bosques y del sector forestal en España.
http://www.secforestales.org/web/images/inforestal2010.pdf (Acceso el 5 de enero de 2013)
THERNEAU, TM.; ATKINSON, B.; 2012. Package rpart. Version 3.1-52. http://cran.rproject.org/web/packages/rpart/index.html Accessed 4 January 20123.
VAN WAGNER, CE.; 1977. Conditions for the start and spread of crown fire. Can J For Res
7: 23-34.
VAN WAGNER, CE.; 1989. Prediction of crown fire behavior in conifer stands. In
„Proceedings of 10th conference on fire and forest meteorology. (Eds DC MacIver, H Auld
and R Whitewood) pp. 207–212. (Forestry Canada and Environment Canada: Ottawa, ON).