Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Capítulo 5Conclusiones y Futuras Líneas <strong>de</strong>InvestigaciónComo resultado <strong>de</strong> la aplicación <strong>de</strong> las distintas técnicas <strong>de</strong> análisis exploratorioe inferencia <strong>de</strong> los mo<strong>de</strong>los <strong>STAR</strong> en la ocurrencia <strong>de</strong> incendios forestales provocadosy totales para Galicia durante la primera queincena <strong>de</strong> agosto <strong>de</strong> 2006, se hanextraído las siguientes <strong>con</strong>clusiones:1. Los mo<strong>de</strong>los <strong>de</strong> <strong>Regresión</strong> <strong>Aditivos</strong> <strong>Estructurados</strong> (<strong>STAR</strong>) son a<strong>de</strong>cuados parael mo<strong>de</strong>lado <strong>de</strong> los incendios forestales. Constituyen una aportación metodológica<strong>con</strong> ventajas sobre los clásicos mo<strong>de</strong>los <strong>de</strong> regresión logística y los másactuales GLM y GAM. A pesar <strong>de</strong> ello, como toda innovación, exige un periodo<strong>de</strong> mejora para incrementar su eficiencia predictiva. Su mayor aportaciónse encuentra en la flexibilidad <strong>de</strong>l mo<strong>de</strong>lado a la hora <strong>de</strong> incorporar variablesespaciales y temporales directamente mostrando un agregado en forma <strong>de</strong>mapa don<strong>de</strong> se explican las <strong>de</strong>pen<strong>de</strong>ncias tanto para el <strong>con</strong>junto <strong>de</strong> unida<strong>de</strong>s(efectos estructurados) como para cada unidad (efectos no estructurados). Laposibilidad <strong>de</strong> trabajar a escalas espaciales <strong>con</strong> nivel <strong>de</strong> resolución <strong>de</strong> vóxeles<strong>de</strong> 1Km × 1Km por día unido a la posibilidad <strong>de</strong> mapificar las prediciones enun rango <strong>de</strong> color, hace útil el mo<strong>de</strong>lo a efectos <strong>de</strong> planificación y gestión <strong>de</strong>incendios.2. El problema mo<strong>de</strong>lizado en este trabajo es complejo. Los incendios forestales<strong>de</strong>pen<strong>de</strong>n <strong>de</strong> gran cantidad <strong>de</strong> variables: meteorológicas, fisiográficas, uso <strong>de</strong>lsuelo y relación <strong>de</strong> este <strong>con</strong> la probabilidad <strong>de</strong> ar<strong>de</strong>r (todas estas incorporadasen nuestros mo<strong>de</strong>los), pero también <strong>de</strong> otras <strong>de</strong> tipo social, socioe<strong>con</strong>ómico,histrórico, <strong>con</strong>flictividad, etc., que presentan un comportamiento variable en elespacio y el tiempo, y que <strong>de</strong>termina en gran medida la ignición <strong>de</strong> incendioso no incendios. Los <strong>de</strong>safios futuros para la mejora <strong>de</strong> los mo<strong>de</strong>los <strong>STAR</strong> ysu aplicación a predicción <strong>de</strong> incendios está en incorporar estas variables a laescala <strong>de</strong> vóxel aquí utilizada.77