Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Los resultados <strong>de</strong> las efectos espaciales no estructurados (ver Figura 4.18) noapuntan en ninguna dirección específica. Todos los <strong>con</strong>cellos son no significativos(color gris, panel <strong>de</strong>recho). Los <strong>con</strong>cellos en blanco y rayados no aportan información<strong>de</strong> ningún tipo, ya que no se obtuvo dato para po<strong>de</strong>r estimar este efecto.4.2.3. Ajuste <strong>de</strong> mo<strong>de</strong>losEn esta sección se muestra el ajuste <strong>de</strong> los mo<strong>de</strong>los <strong>STAR</strong> para la ocurrencia<strong>de</strong> incendios forestales provocados y totales a partir <strong>de</strong> las variables grupos <strong>de</strong> tipos<strong>de</strong> combustible mediante los criterios AIC (Akaike Information Criterion ), BIC(Bayesian Information Criterion ) y GCV (Generalized Cross-Validation). En elCuadro 4.6 se presentan los 2 mo<strong>de</strong>los ajustados. También son incluidos los grados<strong>de</strong> libertad <strong>de</strong> cada mo<strong>de</strong>lo estimado.<strong>Mo<strong>de</strong>los</strong> 2xlog-likelihood g.l. AIC BIC GCVBinomial (totales) 9565.87 142.573 9851.02 11026.2 0.344Binomial (provocados) 7907.5 138.982 8185.46 9329.64 0.287Cuadro 4.6: Criterio <strong>de</strong> información Akaike (AIC), criterio <strong>de</strong> información Bayesiano(BIC), y validación cruzada generalizada (GCV) para los dos mo<strong>de</strong>los seleccionados.Como se fue observando a lo largo <strong>de</strong> esta sección, las variables que aportanmayor información por voxel al mo<strong>de</strong>lo son las variables “grupo <strong>de</strong> matorral” y“grupo Sin Asignar Mo<strong>de</strong>lo”, ya que son las variables que mejor <strong>de</strong>finen el tipo <strong>de</strong>estructura predominante en Galicia. Se pue<strong>de</strong> <strong>con</strong>cluir <strong>de</strong> esta sección diciendo quelos mo<strong>de</strong>los <strong>de</strong> combustibles <strong>de</strong> Rothermel para la estimación <strong>de</strong> la ocurrencia <strong>de</strong>incendios no explican suficientemente la presencia <strong>de</strong> incendios. En el futuro comoposible mejora, se <strong>de</strong>bería trabajar <strong>con</strong> formaciones vegetales en vez <strong>de</strong> mo<strong>de</strong>los <strong>de</strong>combustible.4.3. Mo<strong>de</strong>lización a partir <strong>de</strong> variables climatológicasy grupos <strong>de</strong> mo<strong>de</strong>los <strong>de</strong> combustibleDespués <strong>de</strong> haber estudiado por separado en secciones anteriores las variablesmeteorológicas y <strong>de</strong> tipo <strong>de</strong> combustible, el siguiente paso es establecer un mo<strong>de</strong>loque englobe todas estas variables y así observar si el mo<strong>de</strong>lo permite estimar <strong>de</strong>forma más precisa la ocurrencia <strong>de</strong> incendios forestales totales y provocados. A<strong>con</strong>tinuación se <strong>de</strong>scriben los mo<strong>de</strong>los <strong>de</strong> regresión <strong>STAR</strong> <strong>de</strong> <strong>respuesta</strong> binomialpara la ocurrencia <strong>de</strong> incendios forestales totales y provocados que engloban todas lascovariables estudiadas anteriormente (altitud, ta media, hr, pp, Sin Asignar Mo<strong>de</strong>lo,Pastos, Matorral, Hojarasca y Restos).