Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...

et al. (2000) han utilizado la regresión logística para estudiar la relación entre losíndices de riesgo y la probabilidad de incendio por día. Chou et al. (1990, 1993)aplicó la regresión logística incluyendo el clima como variable explicativa para evaluarla autocorrelación espacial entre los incendios ubicados cerca. Preisler et al.(2004) también utiliza la regresión logística para estimar la probabilidad de la ocurrenciade incendios. Además de los modelos logísticos, otros modelos de regresión sehan utilizado también, como los modelos lineales generalizados (Preisler y Westerling,2007) y los modelos aditivos generalizados con efectos fijos, efectos aleatorios yde efectos mixtos (Breslow y Clayton, 1993; Brillinger, y col ., 2003, Brillinger et al.2004, Brillinger et al. 2006) para evaluar las probabilidades asociadas con la ocurrenciade incendios forestales como por ejemplo, la probabilidad de que pueda ocurrirun incendio en una región determinada durante un día determinado, semana o mesdel año. Diversas técnicas de aprendizaje se han desarrollado, incluyendo redes neuronales,que se utilizan para determinar la propagación del fuego (Alonso-Betanzoset al 2003;. Loehle, 2004) y para determinar la mejor posición para los equipos deextinción aéreos (Varela, 2002), así como los métodos de simulación (Reinhardt, etal. 2001).Hay una serie de estudios que analizan la ocurrencia de incendios forestales, quese define como el número de incendios por unidad espacial, como se trata en este trabajo,de manera que la variable respuesta en esos modelos se refiere a la ocurrencia,comúnmente obtenida a partir de información disponible en bases de datos de incendiosforestales, sin embargo, la precisión de la ubicación espacial de los incendiosvaría significativamente dependiendo de la fuente de datos. Como resultado, unaamplia gama de posibilidades se pueden encontrar en la literatura. Algunos autoreshan utilizado como variable de respuesta en sus modelos estadísticos ubicacionesexactas a partir de las coordenadas geográficas (coordenadas x, y) de los puntos deignición (Cardille et al 2001; Pew y Larsen 2001; Vasconcelos et al. 2001; Koutsias etal. 2004; Robin et al. 2006; Kalabokidis et al. 2007; Yang et al. 2007). Otros autoreshan utilizado como variable respuesta en sus modelos menos exactos informaciónsobre los incendios, espacialmente colocados en una rejilla y/o diferentes unidadesadministrativas (municipio, provincia, etc.).El presente trabajo persigue la obtención de modelos predictivos de ocurrenciade incendios forestales a partir de variables climatológicas y de tipo de combustible.Se propone el empleo de técnicas de Regresión Aditivas Estructuradas (STAR) paragenerar modelos predictivos especializados a una resolución de 1 Km × 1 Kmasociando las cuadrículas de la rejilla al concello al que pertenecen y tomando comovariables respuesta información para los incendios provocados y otras causas. Paraalcanzar este objetivo general se abordarán los siguientes objetivos específicos:Identificar aquellas variables independientes que representen los diversos factoresde riesgo de incendio forestal (en este estudio se han considerado las