El Área de Protección de Flora y Fauna La Primavera (APFFLP), conocida localmente como Bosque La Primavera, es una de las áreas protegidas más importantes del occidente del país. Por su cercanía con la Zona Metropolitana de Guadalajara (ZMG) constituye el principal “pulmón” natural para esta gran ciudad, por lo que representa un reto para la ciencia en el contexto de la predicción de incendios, ya que la frecuencia e intensidad de los mismos son una fuerte causa de deterioro de esta zona, en la cual, desde 1949 a la fecha, se presenta un promedio de cinco conflagraciones por año (Semarnat, 2000).
Ubicación y Características Climáticas del Bosque La Primavera
El APFFLP se ubica en la región central del estado de Jalisco, México, entre las coordenadas extremas 103°28’ a 103°42’ de longitud oeste y 20°32’ a 20°44’ de latitud norte. EL APFFLP tiene alrededor de 22 puntos de acceso, mediante caminos de terracería y brechas, tres de los cuales se utilizan principalmente con fines recreativos.
Según la clasificación climática de Köppen, modificada por García (1987)), los climas predominantes son el templado subhúmedo C (w1)(w) y semicálido subhúmedo (A) C (w1)(w). La vegetación se caracteriza principalmente por bosque de encino, bosque de encino-pino, bosque de pino, bosque tropical caducifolio, así como pastizal inducido (Semarnat, 2000).
Parámetros Climáticos Anuales
El clima del Bosque La Primavera se describe con los siguientes parámetros anuales:
| Parámetro | Valor |
|---|---|
| Temperatura media anual | 20.6 °C |
| Mes más frío | Enero |
| Mes más cálido | Junio |
| Promedio anual de humedad | 63 % |
| Vientos dominantes | Suroeste |
| Velocidad máxima del viento | 53 km h-1 |
Estos datos fueron reportados por Semarnat (2000).
Lea también: El clima de Hacienda Cocoyoc
Incendios Forestales y su Vínculo Climático
Durante las últimas dos décadas los incendios han aumentado en frecuencia e intensidad en diversas partes del mundo. En el territorio nacional, se anticipa un incremento de los incendios relacionado con las variaciones climáticas extremas (Dryry y Veblen, 2008; Pompa-García y Sensibaugh, 2014). Además, en la región occidente se predice una disminución en las precipitaciones hasta de 10 % y un incremento en las temperaturas de 2 a 4 °C, en el escenario de cambio climático más severo (Durán, 2010; Ibarra-Montoya et al., 2011).
Huerta-Martínez e Ibarra-Montoya (2014) describen espacial y temporalmente la historia de un periodo de 15 años de incendios en esa área, y señalan como siendo los años críticos a 1984, 1987, 1995, 1998, 2005 y 2012, tanto por la superficie afectada como por su intensidad; en el último año se afectaron 7 744 ha. Datos del Gobierno del estado de Jalisco indican que entre 10 a 20 % del arbolado murió como consecuencia del fuego (Huerta-Martínez e Ibarra-Montoya, 2014). Por otro lado, los datos sugieren una relación estrecha con las variaciones climáticas extremas, específicamente el fenómeno del Niño (Huerta-Martínez e Ibarra-Montoya, 2014).
El aumento repentino y marcado de la frecuencia y duración de incendios de gran magnitud se asocia a un cambio abrupto hacia las primaveras inusualmente cálidas, reducidas de precipitación invernal, derretimiento temprano de la nieve en primavera así como veranos más secos y prolongados (Westerling et al., 2006). Cada año, los incendios en el APFFLP originan un gran porcentaje de superficie quemada, con respecto al área total del bosque (Huerta-Martínez e Ibarra-Montoya, 2014); sin embargo, los incendios relacionados con fenómenos meteorológicos extremos, denominados de alta intensidad, tienen un papel destacado, ya que se desarrollan en condiciones de alta temperatura y viento en combinación con baja humedad, por lo que es posible que los siguientes años estas condiciones se repitan con mucha frecuencia.
Factores Antrópicos y Cambios de Uso de Suelo
El APFFLP con frecuencia presenta actividades de cambio en el uso de suelo (Semarnat, 2000), lo cual incide en el aumento de la frecuencia y severidad de los incendios (González et al., 2011). El cambio de uso de suelo es impulsado, sobre todo, para desarrollar cultivos de maíz, agave y caña de azúcar. La producción de la caña de azúcar implica el uso periódico del fuego, que destruye no solo las hojas del cultivo durante la zafra, sino también, y con mucha frecuencia, toda la vegetación que lo rodea. Las superficies con caña aumentan cada año y, con ello, la frecuencia de incendios forestales (Semarnat, 2000). Además, el incremento de la superficie forestal abandonada, produce un aumento de masas forestales jóvenes, inestables y con poca o nula gestión. A esta situación, se suma la actividad antrópica, responsable de 95 % de los incendios forestales, algunos de ellos intencionales, además del uso cultural del fuego, arraigado en el medio rural.
Impactos de los Incendios de Alta Intensidad
Entre las principales consecuencias ambientales de los incendios de alta intensidad en el APFFLP sobresalen la reducción de la biodiversidad, aumento de la desertificación (incluso la degradación de los suelos y de la vegetación), contaminación de las aguas subterráneas, así como de la atmósfera; lo cual hace que la recuperación ambiental de las zonas quemadas sea extremadamente complicada y compleja, ya que tras el fuego, el ecosistema es afectado y la fauna debe encontrar un nuevo hábitat natural para sobrevivir, algo complicado ya que el manto vegetal desaparece casi por completo (Weber y Flannigan, 1997; Gitay et al., 2002). Además, después de los incendios intensos, el suelo queda prácticamente estéril, debido a la mineralización de la materia orgánica, lo que limita la recolonización por las especies autóctonas. Por último, el aumento de la erosión reduce, significativamente, las posibilidades de recuperación (Pompa-García y Sensibaugh, 2014).
Lea también: Análisis del clima en Hacienda Las Delicias
Modelado de Predicción de Incendios en el Bosque La Primavera
Con base en lo anterior, el objetivo del presente trabajo fue construir un modelo espacial para generar un escenario de predicción de incendios para el año 2040 en el APFFLP, a partir de los datos de las proyecciones climáticas para el occidente de México publicadas por Durán (2010) y las ocurrencias históricas de incendios descritas en Huerta-Martínez e Ibarra-Montoya (2014), con la finalidad de contribuir con información que apoye la toma de decisiones en materia de protección de esta área natural protegida.
Datos y Escenarios Climáticos
Se utilizaron los datos mensuales y anuales de precipitación, temperatura máxima, temperatura mínima y temperatura media de los periodos 1961-1990 (climatología de referencia) y 2041-2060, para determinar las áreas potenciales de incendiarse en el Bosque La Primavera para el año 2050. Estos datos climáticos se obtuvieron del portal de datos de Earth System Grid (ESG) de WorldClim (Worldclim, 2015) y se trabajaron mediante coberturas en formato raster, con una resolución de 30 segundos de arco, en el sistema Idrisi Selva (Eastman, 2012).
Para el periodo 2014-2060 se consideraron los modelos de circulación general (MCG) HadGEM2-AO (Hadley) y MIROC5 (Miroc), bajo dos de los cuatro escenarios planteados por el IPCC. Los rcp se refieren al forzamiento radiativo expresado en W m-2; y se asume que éste varía al incrementar los GEI. A continuación, se detallan los escenarios considerados:
| Escenario IPCC (RCP) | Forzamiento Radiativo Estimado | Emisiones de GEI | Implicación de Temperatura |
|---|---|---|---|
| rcp45 | ≈4.5 W m-2 | Llegan a la cúspide alrededor del año 2040 para después disminuir | Muy probablemente excede los 2 °C |
| rcp60 | ≈6 W m-2 | Llegan a la cima alrededor del año 2080, con aplicación de tecnologías y estrategias de reducción de GEI | Implica un forzamiento radiativo mayor |
Metodología del Modelo de Máxima Entropía (MaxEnt)
Para la construcción del escenario predictivo, se generó un modelo espacial con el enfoque de máxima entropía, versión 3.33k (Maxent). El algoritmo de este sistema fue adaptado por Steven J. Phillips y colaboradores (Phillips y Dudik, 2008; Phillips et al., 2006) para la construcción de modelos de distribución potencial. De forma general, el algoritmo detecta las relaciones no aleatorias entre dos conjuntos de datos: a) los registros georreferenciados de la presencia de incendios, y b) un conjunto de coberturas, formatos raster, de datos digitales que representan las variables climáticas pertinentes para determinar las zonas potenciales de ocurrencia de incendios, a una escala particular de análisis (Pearson y Dawson, 2003; Phillips et al., 2006).
El sistema MaxEnt modela la distribución de las ocurrencias de incendios usando solamente datos de presencia de eventos históricos; la distribución de un incendio se representa con una función de probabilidad P sobre un conjunto X de sitios en el área de estudio. Se construye un modelo de P mediante conjunto de restricciones derivado de datos históricos de presencia de incendios. Las restricciones se expresan como funciones simples de variables climáticas conocidas. El algoritmo de MaxEnt obliga a que la media de cada función de cada variable se aproxime a la media real de la variable en las áreas de presencia de incendios. De todas las posibles combinaciones de funciones, se selecciona la que logra minimizar la función de entropía, la cual es medida con el índice de Shannon. P(x) equivale a la unidad. Los valores P(x) obtenidos, representan valores de idoneidad relativa para la presencia de incendios, y constituyen, entonces, la base de un modelo de incendios potenciales.
Lea también: todo lo que necesitas saber sobre el clima anual en Taipéi
Para alimentar el modelo se utilizaron, por un lado, los datos de las ocurrencias de eventos de interés del periodo comprendido entre los años 1998-2012 en el APFFLP, proporcionadas por el Departamento de Investigación de la desaparecida Dirección Ejecutiva del Bosque La Primavera, hoy Organismo Público Descentralizado (OPD) “Bosque La Primavera”, y por otro lado, las variables climáticas proyectadas para el año 2050.
En la modelación MaxEnt 75 % de los registros de ocurrencia se utilizaron como puntos de entrenamiento y 25 % como puntos de validación. Se usó un umbral de convergencia de 10-5 con 1 000 iteraciones, como un límite superior para cada corrida. Para estimar la capacidad de predicción del modelo, se analizó el área bajo la curva (AUC), salida grafica en la que se observa la capacidad de discriminación de una ocurrencia (sensibilidad) versus la capacidad de discriminación de una ausencia (especificidad) (Moreno et al., 2011). El formato de salida analizado fue el acumulativo (intervalo de 0 a 100), el cual indica una idoneidad de área por incendiarse relativa para cada pixel, más una probabilidad de ocurrencia del incendio (salida logística).
Dado que el modelo (por ser no determinístico) produce resultados de alguna manera diferentes de una corrida a la siguiente, aun cuando se emplee la misma entrada de datos, adecuado a la asignación aleatoria del proceso de modelación, se desarrollaron 100 modelos de predicción independientes por cada ocurrencia de análisis, y se eligió un subconjunto de los mejores 10 modelos basado en dos criterios: 1) modelos (20) con menos de 10 % de error por omisión; y 2) de ellos, se seleccionaron los 10 modelos más cercanos a la media en las zonas donde las ocurrencias potenciales fueron predichas (Anderson et al., 2003). Estos 10 modelos se examinaron de manera espacial y se generó un mapa de consenso con valores de pixel de 0 a 10, el 10 representa las áreas en las que todos los modelos están de acuerdo en la predicción de la ocurrencia de incendios.
Resultados y Consecuencias del Modelo de Predicción
El modelo espacial tuvo una AUC de 0.81, lo que indica que la robustez para clasificar las presencias de los incendios en el APFFLP fue buena (Parolo et al., 2008). La construcción del modelo espacial es de las pocas aplicaciones de modelado espacial en el contexto de predicción de zonas potenciales de incendios (Mandallaz y Ye, 1997; García et al., 1999; Muñoz et al., 2005; Pompa-García et al., 2013; Pérez-Verdín, 2013), y es el único hasta el momento que integra variables de CMIP5.
El patrón de área incendiada predicha por el modelo espacial para el año 2050 coincide con la historia de incendios descrita por Huerta-Martínez e Ibarra-Montoya (2014), por ello es posible anticipar que en el APFFLP el cambio climático constituye un escenario de alto riesgo, en el que muy probablemente los incendios serán más frecuentes, más extensos y de mayor intensidad; lo anterior concuerda con lo citado por Bergeron et al. (2004), Westerling et al. (2006), Mann y Kump (2009), van Mantgem et al. (2009) y Allen et al. (2010), autores que apuntan a que las características de los incendios forestales están cambiando, debido entre otros factores al cambio climático global.
Al respecto, el escenario climático proyectado para el 2050 resultó en un incremento en el área afectada por incendios, y serán, particularmente, vulnerables las zonas dominadas por plantaciones y ecosistemas remanentes muy fragmentados, ya que según nuestras observaciones en campo, estos tipos de bosque están invadidos por especies exóticas que generan una gran cantidad de combustible, debido a sus altas abundancias y distribución espacial, tal es el caso de Verbesina spp.
La época del año de mayor intensidad coincide con la de anidación y reproducción de algunas aves y mamíferos, los cuales abandonan sus crías, nidos o madrigueras, o bien perecen víctimas del humo y las llamas.
Estrategias de Adaptación y Prevención
Si se logra generar un modelo predictivo de incendios, las acciones de prevención deberán ser más eficientes, aun con los limitados recursos económicos con los que se cuenta en dicha área protegida. Una de las principales prioridades para hacer frente a los incendios que se predicen en el APFFLP es el desarrollo de un “plan de adaptación” (PACMUN, 2015); entendido como “el ajuste en sistemas naturales o humanos en respuesta a estímulos climáticos reales o esperados y sus efectos, que moderan el daño o explotan oportunidades beneficiosas”, entre las que se pueden citar podrían ser: integración de políticas de prevención para la protección de las cuencas contra incendios forestales; mejor gestión de l...