Comparación y análisis estadístico entre modelos de probabilidad de ocurrencia de incendios forestales para Honduras. Año 2019

Comparación y análisis estadístico entre modelos de probabilidad de ocurrencia de incendios forestales para Honduras. Año 2019

Honduras por sus condiciones climáticas y fisiográficas en los últimos años ha sufrido impactos negativos a causa que los incendios forestales que ocasionan perdidas en la economía del país, como el cierre de aeropuertos, en la salud de las poblaciones urbanas y rurales, incidencia de plagas y enfer...

Descripción completa

Detalles Bibliográficos
Autor principal: Cáceres Coello, José
Formato: Online
Idioma:spa
Publicado: Universidad Nacional Autónoma de Honduras 2023
Acceso en línea:https://www.camjol.info/index.php/CE/article/view/16918
id CE16918
record_format ojs
spelling CE169182023-12-06T17:47:59Z Comparison and statistical analysis between models of probability of occurrence of forest fires for Honduras. Year 2019 Comparación y análisis estadístico entre modelos de probabilidad de ocurrencia de incendios forestales para Honduras. Año 2019 Cáceres Coello, José Wildfires MaxEnt Random Forest AUC FIRMS Incendios Forestales MaxEnt Random Forest AUC FIRMS Honduras, due to its climatic and physiographic conditions in recent years, has suffered negative impacts due to wildfires that cause losses in the country’s economy, such as the closure of airports, in the health of urban and rural populations, incidence of pests and diseases in agriculture and forestry, greater soil degradation and erosion, alteration of water recharge systems, negative effects on biodiversity as well as the loss of scenic values. In 2019, 1,177 fires were reported with an affected area of 72,434.77 hectares. The departments with the highest incidence of wildfires were; Francisco Morazán, Olancho, and Copan. In this research, the performance of three models (ICF, Random Forest and Max-Ent) for the generation of susceptibility maps to wildfires from environmental variables was statistically analyzed. The models were calibrated with the fire report data generated by the ICF. Additionally, fire points were selected randomly obtained from the FIRMS System. The Random Forest model had the best performance with an AUC for test data of 0.973 and an AUC for MODIS-FIRMS data of 0.919. Using the average rankings of the environmental variable importance measures, proximity to human settlements was the best predictor of wildfire ignitions, closely followed by distance to unpaved roads and elevation, for models based on Machine Learning Algorithms. Honduras por sus condiciones climáticas y fisiográficas en los últimos años ha sufrido impactos negativos a causa que los incendios forestales que ocasionan perdidas en la economía del país, como el cierre de aeropuertos, en la salud de las poblaciones urbanas y rurales, incidencia de plagas y enfermedades en agricultura y el bosque, mayor degradación y erosión de suelos, alteración de sistemas de recarga hídrica, efectos negativos sobre la biodiversidad así como la pérdida de valores escénicos. Para el 2019 se reportaron 1 177 incendios con una superficie afectada de 72 434.77 hectáreas. Los departamentos con mayor incidencia de incendios forestales fueron; Francisco Morazán, Olancho, y Copán. En esta investigación se analizó estadísticamente el desempeño de tres modelos (ICF, Random Forest y MaxEnt) para la generación de mapas de susceptibilidad a incendios forestales a partir de variables ambientales. Los modelos se calibraron con los datos de los reportes de incendios generados por el ICF. Adicionalmente se seleccionaron puntos de incendios de manera aleatoria obtenidos del Sistema FIRMS. El modelo Random Forest tuvo el mejor rendimiento con un AUC para los datos de prueba de 0.973 y un AUC de datos MODIS-FIRMS de 0.919. Usando las clasificaciones promedio de las medidas de importancia de la variable ambiental, la cercanía a asentamientos humanos fue el mejor predictor deigniciones de incendios forestales, seguido de cerca por la distancia a carreteras no pavimentadas y la elevación, para los modelos basados en algoritmos de aprendizaje autónomo. Universidad Nacional Autónoma de Honduras 2023-12-06 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Peer-Reviewed Article Artículo revisado por pares application/pdf https://www.camjol.info/index.php/CE/article/view/16918 10.5377/ce.v14i2.16918 Ciencias Espaciales; Vol. 14 No. 2 (2023); 19 - 37 Ciencias Espaciales; Vol. 14 Núm. 2 (2023); 19 - 37 2521-5868 2225-5249 spa https://www.camjol.info/index.php/CE/article/view/16918/20168 Derechos de autor 2023 Ciencias Espaciales https://creativecommons.org/licenses/by-nc-nd/4.0
institution Universidad Nacional Autónoma de Honduras
collection Ciencias Espaciales
language spa
format Online
author Cáceres Coello, José
spellingShingle Cáceres Coello, José
Comparación y análisis estadístico entre modelos de probabilidad de ocurrencia de incendios forestales para Honduras. Año 2019
author_facet Cáceres Coello, José
author_sort Cáceres Coello, José
description Honduras por sus condiciones climáticas y fisiográficas en los últimos años ha sufrido impactos negativos a causa que los incendios forestales que ocasionan perdidas en la economía del país, como el cierre de aeropuertos, en la salud de las poblaciones urbanas y rurales, incidencia de plagas y enfermedades en agricultura y el bosque, mayor degradación y erosión de suelos, alteración de sistemas de recarga hídrica, efectos negativos sobre la biodiversidad así como la pérdida de valores escénicos. Para el 2019 se reportaron 1 177 incendios con una superficie afectada de 72 434.77 hectáreas. Los departamentos con mayor incidencia de incendios forestales fueron; Francisco Morazán, Olancho, y Copán. En esta investigación se analizó estadísticamente el desempeño de tres modelos (ICF, Random Forest y MaxEnt) para la generación de mapas de susceptibilidad a incendios forestales a partir de variables ambientales. Los modelos se calibraron con los datos de los reportes de incendios generados por el ICF. Adicionalmente se seleccionaron puntos de incendios de manera aleatoria obtenidos del Sistema FIRMS. El modelo Random Forest tuvo el mejor rendimiento con un AUC para los datos de prueba de 0.973 y un AUC de datos MODIS-FIRMS de 0.919. Usando las clasificaciones promedio de las medidas de importancia de la variable ambiental, la cercanía a asentamientos humanos fue el mejor predictor deigniciones de incendios forestales, seguido de cerca por la distancia a carreteras no pavimentadas y la elevación, para los modelos basados en algoritmos de aprendizaje autónomo.
title Comparación y análisis estadístico entre modelos de probabilidad de ocurrencia de incendios forestales para Honduras. Año 2019
title_short Comparación y análisis estadístico entre modelos de probabilidad de ocurrencia de incendios forestales para Honduras. Año 2019
title_full Comparación y análisis estadístico entre modelos de probabilidad de ocurrencia de incendios forestales para Honduras. Año 2019
title_fullStr Comparación y análisis estadístico entre modelos de probabilidad de ocurrencia de incendios forestales para Honduras. Año 2019
title_full_unstemmed Comparación y análisis estadístico entre modelos de probabilidad de ocurrencia de incendios forestales para Honduras. Año 2019
title_sort comparación y análisis estadístico entre modelos de probabilidad de ocurrencia de incendios forestales para honduras. año 2019
title_alt Comparison and statistical analysis between models of probability of occurrence of forest fires for Honduras. Year 2019
publisher Universidad Nacional Autónoma de Honduras
publishDate 2023
url https://www.camjol.info/index.php/CE/article/view/16918
work_keys_str_mv AT cacerescoellojose comparisonandstatisticalanalysisbetweenmodelsofprobabilityofoccurrenceofforestfiresforhondurasyear2019
AT cacerescoellojose comparacionyanalisisestadisticoentremodelosdeprobabilidaddeocurrenciadeincendiosforestalesparahondurasano2019
_version_ 1805407485086924800

Ejemplares similares