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

Capítulo 4Explorando la incidencia deincendios forestales totales yprovocadosLa probabilidad de incendio depende de dos factores: 1) Las condiciones climáticas(Andrews, 1986; Van Wagner, 1987, Dickson, et al. (2006) y 2) El tipo y estructurade la vegetación (Mermoz, et al. 2005) que en algunos casos favorece y enotros casos parece frenar su avance (Nunes, et al. 2005) y que en zonas consideradasde referencia están totalmente relacionadas con las condiciones socioeconómcicas(Chas, 2007; Marey-Pérez, et al. 2006; Marey- Pérez y Rodríguez-Vicente, 2008).Las condiciones meteorológicas futuras no se conocen con exactitud, lo que invalidalos modelos basados en factores meteorológicos en la planificación forestal, pero sipueden ser utilizados para la simulación de previsibles escenarios. Por otra parte,la gran cantidad de datos de valores medios de las diferentes variables climáticasson conocidos, lo que significa que puede utilizarse en los modelos predictores. Laexistencia de correlaciones de estas variables climáticas con parámetros de sitio talescomo longitud, latitud, altitud, pendiente y orientación implica que estos parámetrospueden mojorar las prediciones en la elaboración de modelos.En este capítulo se presentan aplicaciones de los modelos de regresión STARde respuesta binomial. El objetivo principal es evaluar factores de riesgo naturalesque serán incluidos como covariables en los modelos de regresión, los cuales sonanalizados con más detalle a lo largo de este capítulo. Para estimar dichos modelos, seempleó la función bayesx del paquete estadístico R2BayesX para R (R DevelopmentCore Team 2007).41