Indicadores de la vegetación andina amazónica para la prevención de incendios forestales

La cantidad acumulada de días secos se encuentra en niveles habituales en las zonas centro y sur del país, esto sugiere que se ha dado el inicio de la temporada de lluvias 2023-2024. Ello es consistente con el aumento en los niveles de estimación de humedad en la vegetación andino y amazónica descritos a partir de información satelital (excepto la región de Puno). En contraste, en el norte de los Andes, el aumento de días secos desde mayo ha evolucionado hasta alcanzar ~150 días secos, cantidad que representa niveles incluso superiores a los observados en años de sequía (2005, 2010 y 2016). Aunque el inicio de la temporada de lluvias 2023-2024 contribuye a la reducción de la ocurrencia de incendios. Se insta a la población a evitar o prevenir el uso del fuego ante posibles incendios.



IGP-IVE / 2023-006

Boletín de incendios
Diciembre 2023

Descargar
IGP-IVE / 2023-005

Boletín de incendios
Noviembre 2023

Descargar
IGP-IVE / 2023-004

Boletín de incendios
Octubre 2023

Descargar
IGP-IVE / 2023-003

Boletín de incendios de
Setiembre 2023

Descargar
IGP-IVE / 2023-002

Boletín de incendios de
Agosto 2023

Descargar
IGP-IVE / 2023-001

Boletín de incendios de
Julio 2023

Descargar

2022

IGP-IVE / 2022-006

Boletín de incendios de
Diciembre 2022

Descargar
IGP-IVE / 2022-005

Boletín de incendios de
Noviembre 2022

Descargar
IGP-IVE / 2022-004

Boletín de incendios de
octubre 2022

Descargar
IGP-IVE / 2022-003

Boletín de incendios de
septiembre 2022

Descargar
IGP-IVE / 2022-002

Boletín de incendios de
agosto 2022

Descargar
IGP-IVE / BI 2022-001

Boletín de incendios de
julio 2022

Descargar

2021

IGP-IVE / IB 2021-06

Boletín de incendios de
diciembre

Descargar
IGP-IVE / IB 2021-05

Boletín de incendios de
noviembre

Descargar
IGP-IVE / IB 2021-04

Boletín de incendios de
octubre

Descargar

IGP-IVE / IB 2021-03

Boletín de incendios de
septiembre

Descargar

IGP-IVE / IB 2021-02

Boletín de incendios de
agosto

Descargar

IGP-IVE / IB 2021-01

Boletín de incendios de
julio

Descargar

2020


IGP-IVE / IB 2020-06

Boletín de incendios de
diciembre

Descargar

IGP-IVE / IB 2020-05

Boletín de incendios de
noviembre

Descargar

IGP-IVE / IB 2020-04

Boletín de incendios de
octubre

Descargar

IGP-IVE / IB 2020-03

Boletín de incendios de
septiembre

Descargar

IGP-IVE / IB 2020-02

Boletín de incendios de
agosto

Descargar

IGP-IVE / IB 2020-01

Boletín de incendios de
julio

Descargar


Acerca del estudio

El estudio de los incendios forestales es aún, un desafío para la ciencia y el manejo forestal, debido a la interacción entre factores naturales y antrópicos (Lippok et a., 2013). En las últimas dos décadas los incendios forestales han impactado severamente en varias regiones del Perú, como Cajamarca, Cusco, Apurímac, Puno entre otros (Zubieta et al., 2019a; MINAM, 2018). Las condiciones de sequía que se presentaron en la Amazonía y en los Andes peruanos durante los años 2005, 2010 y 2016 (Espinoza et al., 2011; Marengo and Espinoza, 2016; Jiménez-Muñoz et al., 2019) coinciden con el incremento severo de la ocurrencia de incendios forestales en los Andes (Zubieta et al., 2019a). Asimismo, este incremento severo coincide con la disminución de las lluvias en los Andes que se presentan durante eventos de El Niño en el Pacífico central (Lavado and Espinoza, 2014; Lagos et al., 2008; Silva et al. 2008; Sulca et al., 2018).

A pesar de que el principal factor de la ocurrencia de incendios forestales en el Perú es asociada a las quemas llevadas a cabo por la población (SERFOR, 2018). El clima desempeña un rol fundamental debido a que este determina la facilidad de la ignición, su propagación y severidad (Benson et al., 2009). Asimismo, están influenciados por factores biofísicos, como el desarrollo de la vegetación durante el periodo de estiaje e inicio de la temporada de lluvias.

Durante los últimos años, investigaciones del Instituto Geofísico del Perú (IGP) han documentado los impactos de la variabilidad climática en la cuenca amazónica, tal es el caso de las sequías (Espinoza et al., 2016; Marengo and Espinoza, 2016 entre otros) e incremento drástico de la ocurrencia de incendios en los Andes (Zubieta et al., 2019a). En consecuencia, en apoyo a la gestión agroforestal y en el marco Programa Presupuestal por Resultados Nº 68 “Reducción de vulnerabilidad y atención de emergencias por desastres”. El IGP ha formulado el boletín “Indicadores de la vegetación andina amazónica para la prevención de incendios forestales”.

El presente Boletín tiene como objetivo difundir información acerca de las condiciones climáticas y vegetativas favorables para la ocurrencia estacional de incendios, conocimientos científicos, avances científicos y noticias relacionadas al tema. Esto con la finalidad de mantener informados a los diferentes niveles de gobierno (Nacional, Regional y Local) y población, mediante herramientas basadas en ciencia para un uso óptimo de la información en la toma de decisiones.

Monitoreo del estado de la vegetación a nivel nacional

Los datos de satélite han sido usados para monitorear el desarrollo de la vegetación y el déficit hídrico, debido a que durante las sequías se reduce la actividad fotosintética ( Asner et al., 2004). Por ejemplo, una relación significativa ha sido encontrada entre la precipitación con el Índice de Vegetación de Diferencia Normalizada (NDVI, por sus siglas en inglés, Rouse et al. 1974; Chamaillé and Fritz, 2009 ) e Índice Global de Humedad en la Vegetación (GVMI, por sus siglas en inglés, Ceccato et al. 2002 ). GVMI es un índice que optimiza la estimación del contenido de agua en la vegetación, así también, minimiza los efectos de perturbaciones atmosféricas y geofísicas (Ceccato et al. 2002). El GVMI es un indicador útil para monitorear las condiciones vegetativas potenciales para un aumento de la frecuencia de incendios forestales sobre ecosistemas altoandinos ( Zubieta et al., 2021 Ccanchi, 2021 ). Para caracterizar en el desarrollo de la vegetación mediante GVMI, se utilizaron datos de reflectividad del producto MOD09A1 del sensor MODIS, el cual se compone de observaciones diarias para un periodo de 8 días. La disponibilidad de estos datos en la web oficial (https://appeears.earthdatacloud.nasa.gov/) hace posible que la información publicada en este portal se actualice cada 8 a 16 días. Asismismo, el Índice de Vegetación de Diferencia Normalizada (NDVI, por sus siglas en inglés, Rouse et al. 1974 ; Chamaillé and Fritz, 2009 ) es tambien monitoreado. El NDVI es empleado ampliamente para caracterizar las cubiertas vegetales, estimar el vigor de las plantas y la producción de la biomasa. El desarrollo de la vegetación, relacionado con la actividad fotosintética y la estructura foliar de las plantas, permite estimar si la vegetación se encuentra sana o si tiene algún grado de estrés hídrico. Para caracterizar en el desarrollo de la vegetación mediante NDVI, se utilizaron tambien datos de reflectividad del producto MOD09A1 del sensor MODIS. El NDVI es también un indicador útil para monitorear las condiciones vegetativas potenciales para un aumento de la frecuencia de incendios forestales sobre ecosistemas altoandinos ( Zubieta et al., 2021 Ccanchi, 2021 ).

Anomalías de GVMI

Anomalías (últimos 30 días) del Índice Global de Humedad en la Vegetación (GVMI, por sus siglas en inglés) empleando datos del sensor MODIS (producto MOD09A1),definidas como el cambio de GVMI respecto a condiciones promedio entre 2001 y 2020 (años de sequía extrema 2005,2010 y 2016 no fueron considerados para la estimación del promedio). El color verde (anomalías positivas de GVMI) representa regiones con mayor contenido de agua en la vegetación y una mayor actividad fotosintética respecto a condiciones normales. El color de amarillo a rojo (anomalías negativas de GVMI) representa regiones con un menor contenido de agua en la vegetación y menor actividad fotosintética respecto a la media.

Actualizado hoy

Descargar imagen
Valores de GVMI

Comportamiento espacial del Índice Global de Humedad en la Vegetación (GVMI, por sus siglas en inglés), empleando datos del sensor MODIS (producto MOD09A1) para el mes indicado. El GVMI es un indicador utilizado para analizar el desarrollo en el contenido de agua en la vegetación (Ceccato et, al. 2002). Para estimar GVMI se utiliza un análisis de sensibilidad global que utiliza modelos de transferencia radiativa para comprender y cuantificar los efectos del contenido de agua en la vegetación, en en tres niveles: hoja, dosel y atmósfera (en términos de cantidad de agua por unidad de área a nivel del dosel).

Actualizado hoy

Descargar imagen
Anomalías de GVMI

Evolución promedio, cada 8 días, para el año actual (verde) del índice global de humedad en la vegetación (GVMI) para la región sur (a), región centro (b) y región norte (c) de los Andes (entre 1500 y 4000 m. s. n. m.) ( Zubieta et al. 2021). Asimismo, se muestra la evolución promedio de GVMI durante años de sequías extremas e incremento severo de incendios (2005, 2010 y 2016) (rojo). Finalmente se muestra el registro histórico (gris).

Actualizado hoy

Descargar imagen

Servicio de mapas interactivos - Monitoreo de NDVI

El NDVI es un indicador utilizado para analizar el desarrollo de la vegetación ( Rouse et al. 1974 ). Al estar cercanamente vinculado a las condiciones de sequía, es posible observar las condiciones de vegetación verde saludable o no. Los valores de NDVI varían de +1 a −1. Cuando más saludable se encuentra la vegetación sus valores estarán más cercanos a 1. Suelos desnudos o con muy poca vegetación presentarían valores cercanos a 0. Valores negativos están relacionados a cuerpos de agua, nieve o nubes.

Anomalías de NDVI (últimos 30 días). El color verde (anomalías positivas de NDVI) representa regiones con mayor vigor en la vegetación y una mayor actividad fotosintética respecto a condiciones normales. El color de amarillo a rojo (anomalías negativas de NDVI) representa regiones con un menor vigor en la vegetación y menor actividad fotosintética respecto a las condiciones normales.

Monitoreo diario de la frecuencia de días secos para los Andes y Amazonía

Se ha identificado una reducción de la actividad fotosintética de la vegetación (estimada a partir de índices de vegetación) a medida que se incrementa los días secos (días en los que predominantemente no llueven o cuando la lluvia promedio no supera 1 mm/ día) en los Andes y Amazonía ( Espinoza et al., 2016). Esto sugiere un paulatino impacto sobre la vegetación a partir del déficit de humedad en el suelo. Basado en ello, resulta de alta importancia monitorear la frecuencia acumulada de días secos y a la vez el impacto en el desarrollo de la vegetación.

La distribución espacial y temporal de la lluvia es extremadamente variable sobre los Andes y Amazonía del Perú ( Espinoza et al., 2009; Lavado et al., 2012). Asimismo, la disponibilidad de datos de lluvia diaria observada en tiempo real es limitada . Ante esto, los datos satelitales surgen como fuente alternativa para aplicaciones hidrometeorológicas en los Andes y Amazonía peruana ( Zubieta et al., 2015; Zubieta et al., 2017; Zubieta et al., 2018; Zubieta et al., 2019b). Para caracterizar la frecuencia de días secos en Andes y Amazonía, se utilizan información diaria de la lluvia a partir del producto GPM ( IMERG) Late precipitation L3. Esto es consistente con estudios liderados por el IGP, el cual sugiere el monitoreo de días secos para prevenir incendios forestales ( Ccanchi, 2021; Zubieta et al., 2021)

Evolución temporal de la frecuencia de días secos y lluvia acumulada en los Andes, para estudio de incendios forestales

Frecuencia de días secos - ANDES

Evolución temporal de la frecuencia acumulada de días secos (DDF, por sus siglas en inglés), desde mayo para las regiones del sur (a), centro (b) y norte (c) de los Andes (regiones delimitadas entre 1500 y 4000 msnm., frecuentemente afectada por incendios forestales) para la fecha indicada. La línea azul representa el comportamiento durante el año 2005, en negro para el 2010 (años de sequía). Para efectos de comparación se adicionó el 2016 (año caracterizado también por el incremento severo de la ocurrencia de incendios forestales). En rojo se muestra las condiciones para el presente año a la fecha indicada y en gris representa los límites máximos y mínimos históricos. Las estimaciones de DDF provienen del producto GPM (IMERG) Late precipitation L3. y corresponde a una variable relevante para el monitoreo de las condiciones vegetativas y la actividad fotosintética. Mas detalle en Zubieta et al. 2021 y Ccanchi, 2021.

Actualizado hoy

Lluvia acumulada

Evolución temporal de la lluvia promedio acumulada desde mayo para la región de los Andes (región delimitada entre 1500 y 4000 msnm, frecuentemente afectada por incendios forestales) para la fecha indicada. La línea azul representa el comportamiento durante el año 2005, en negro para el 2010 (años de sequía). Para efectos de comparación se adicionó el 2016 (también año caracterizado por incremento severo de la ocurrencia de incendios forestales). En rojo se muestra las condiciones para el presente año a la fecha indicada y en gris representa los límites máximos y mínimos históricos (2001-2019). Las estimaciones de lluvia promedio acumulada provienen del producto GPM (IMERG) Late precipitation L3.

Actualizado hoy

Evolución temporal de la Frecuencia de Días Secos

Ucayali

Evolución temporal de la Frecuencia de Días Secos (DDF, por sus siglas en inglés) para la cuenca Ucayali delimitada hasta la estación hidrométrica de Requena para la fecha indicada. La línea azul representa el comportamiento durante el año 2005, en negro para el 2010 (años de sequía). Para efectos de comparación se adicionó el 2016 (también año caracterizado por incremento severo de la ocurrencia de incendios forestales). En rojo se muestra las condiciones para el presente año a la fecha indicada y en gris representa los límites máximos y mínimos históricos (2001-2016). En el eje X el día 100 corresponde al 10 de abril y el día 250 al 07 de septiembre. Las estimaciones de DDF provienen del producto GPM (IMERG) Late precipitation L3, y corresponde a una variable relevante para el monitoreo de las condiciones vegetativas y la actividad fotosintética. Mas detalle en Espinoza et al. (2016).

Actualizado hoy

Ucayali

Evolución temporal de la Frecuencia de Días Secos (DDF, por sus siglas en inglés) para la cuenca Ucayali delimitada hasta la estación hidrométrica de Requena para la fecha indicada. La línea azul representa el comportamiento durante el año 2005, en negro para el 2010 (años de sequía). Para efectos de comparación se adicionó el 2016 (también año caracterizado por incremento severo de la ocurrencia de incendios forestales). En rojo se muestra las condiciones para el presente año a la fecha indicada y en gris representa los límites máximos y mínimos históricos (2001-2016). En el eje X el día 100 corresponde al 10 de abril y el día 250 al 07 de septiembre. Las estimaciones de DDF provienen del producto GPM (IMERG) Late precipitation L3, y corresponde a una variable relevante para el monitoreo de las condiciones vegetativas y la actividad fotosintética. Mas detalle en Espinoza et al. (2016).

Actualizado hoy



Referencias

Asner, G. P., D. Nepstad, G. Cardinot, and D. Ray. 2004. Drought stress and carbon uptake in an Amazon forest measured with spaceborne imaging spectroscopy, Proc. Natl. Acad. Sci. U.S.A., 101(16), 6039–6044, https://doi.org/10.1073/pnas.0400168101

Benson, R., Roads, J., Weise, D. 2009. Climatic and weather factors affecting fire occurrence and behavior. Developments in Environmental Science 8, 37-60 https://doi.org/10.1016/S1474-8177(08)00002-8

Ceccato, P., Gobron, N., Flasse, S., Pinty,B. & Tarantola, S. 2002. Designing aspectral index to estimate vegetation watercontent from remote sensing data: Part 1.Theoretical approach. Remote Sensing of Environment. 82: 188-197. https://doi.org/10.1016/S0034-4257(02)00037-8

Chamaillé‐Jammes & H. Fritz. 2009. Precipitation–NDVI relationships in eastern and southern African savannas vary along a precipitation gradient, International Journal of Remote Sensing, 30:13, 3409-3422, https://doi.org/10.1080/01431160802562206

Espinoza J.C., Ronchail J., Guyot J.L., Cochonneau G., Filizola N., Lavado W., de Oliveira E., Pombosa R. and Vauchel P. 2009. Spatio-temporal rainfall variability in the Amazon Basin Countries (Brazil, Peru, Bolivia, Colombia and Ecuador). International Journal of Climatology, 29, 1574-1594. https://doi.org/10.1002/joc.1791

Espinoza, J. C., Ronchail, J., Guyot, J. L., Junquas, C., Vauchel, P., Lavado, W., Pombosa, R. 2011. Climate variability and extreme drought in the upper Solimões River (Western Amazon Basin): Understanding the exceptional 2010 drought. GEOPHYSICAL RESEARCH LETTERS, 38, 1–6. https://doi.org/10.1029/2011GL047862

Espinoza, J.C., Segura, H., Ronchail, J., Drapeau, G. y Gutierrez-Cori, O. 2016: Evolution of wet- and dry-day frequency in the western Amazon basin: Relationship with atmospheric circulation and impacts on vegetation. Water Resources Research. https://doi.org/10.1002/2016WR019305

Jimenez-Muñoz, J. C., J. Marengo, L. Alves, J. C. Sulca, K. Takahashi, S. Ferret, and M. Collins, 2019: The role of ENSO flavors and TNA on recent droughts over Amazon forests and the Northeast Brazil region. Int. J. Climatol. https://doi.org/10.1002/joc.6453

Lagos, P., Silva, Y., Nickl, E., Mosquera, K. 2008. El Niño, Climate Variability and Precipitation Extremes in Peru, Adv. Geosciences. 14, 231-237. https://adgeo.copernicus.org/articles/14/231/2008/adgeo-14-231-2008.html

Lavado W., Ronchail J., Labat D.,Espinoza JC., Guyot J.L. 2012. Basin-scale analysis of rainfall and runoff in Peru (1969-2004): Pacific, Titicaca and Amazonas drainages. Hydrological Sciences Journal https://doi.org/10.1080/02626667.2012.672985

Lavado, W., Espinoza, J.C. 2014. Impact of El Niño and La Niña events on Rainfall in Peru. Revista Brasileira de Meteorologia, v.29, 171-182. http://dx.doi.org/10.1590/S0102-77862014000200003

Lippok, D., Beck, S., Renison, D., Gallegos, S., Saavedra, F., Hensen, I., Schleuning, M. 2013. Forest recovery of areas deforested by fire increases with elevation in the tropical Andes. Forest Ecology and Management. https://doi.org/10.1016/j.foreco.2013.01.011

Marengo, J.A. and Espinoza, J.C. 2016. Extreme seasonal droughts and floods in Amazonia: causes, trends and impacts. International Journal of Climatol-ogy, 36, 1033–1050. https://doi.org/10.1002/joc.4420

MINAM. 2018. Dirección General de Ordenamiento Territorial Ambiental (DGOTA). Registro histórico de incendios sobre la cobertura vegetal a nivel nacional. Ministerio del Ambiente-Peru, 1–4. http://geoservidor.minam.gob.pe/monitoreo-y-evaluacion/registros-historicos-cfoi/

Rouse, J. W., Hass, R. H., Schell, J. A., &Deering, D. W. 1974. Monitoring vegeta-tion systems in the Grat Plains with ERTS.Proceedings, third Earth Resources Techno-logy Satellite-1 Symposium, Greenbelt,NASA SP-351: 309-317. https://ui.adsabs.harvard.edu/abs/1974NASSP.351..309R/abstract

SERFOR. 2018. Plan de prevención y reducción de riesgos de incendios forestales 2019-2022, Servicio Nacional Forestal y de Fauna Silvestre. https://www.serfor.gob.pe/portal/wp-content/uploads/2018/12/Plan-de-prevenci%C3%B3n-y-reducci%C3%B3n-de-riesgos-de-incendios-forestales.pdf

Silva, Y., Takahashi, K., Chávez, R., 2008. Dry and wet rainy seasons in the Mantaro river basin (Central Peruvian Andes). Advances in Geosciences 14, 261-264. https://doi.org/10.5194/adgeo-14-261-2008

Sulca J, Takahashi K, Espinoza J-C, Vuille M, Lavado-Casimiro W. 2018. Impacts of different ENSO flavors and tropical Pacific convection variability (ITCZ, SPCZ) on austral summer rainfall in South America, with a focus on Peru. Int. J. Climatol. 38, 420-435. https://doi.org/10.1002/joc.5185

Zubieta R, Geritana A, Espinoza JC, Lavado W. 2015. Impacts of satellite-based precipitation datasets on rainfall-runoff modeling of the western Amazon basin of Peru and Ecuador. J Hydrol. https://doi.org/10.1016/j.jhydrol.2015.06.064

Zubieta, R., Getirana, A., Espinoza, J.C., Lavado-Casimiro, W. and Aragon, L. 2017. Hydrological modeling of the Peruvian–Ecuadorian Amazon Basin using GPM-IMERG satellite-based precipitation dataset. Hydrology and Earth System Sciences, 21, 3543–3555. https://doi.org/10.5194/hess-21-3543-2017

Zubieta, R., Laqui, W., Lavado, W. 2018. Modelación hidrológica de la cuenca del río Ilave a partir de datos de precipitación observada y de satélite, periodo 2011 -2015, Puno , Perú. Tecnología y Ciencias del Agua. 9 (5), 85-105. DOI: https://doi.org/10.24850/j-tyca-2018-05-04

Zubieta, R., Prudencio, F., Alarco, G. y Reupo, J. 2019a. Ocurrencia de incendios forestales en el Perú durante eventos El Niño. Boletín técnico: Generación de información y monitoreo del Fenómeno El Niño, 6 (5), 5-9. https://repositorio.igp.gob.pe/handle/IGP/4704

Zubieta, R., Saavedra, M., Espinoza, J. C., Ronchail, J., Sulca, J., Drapeau, G., & Martin‐Vide, J. 2019b. Assessing precipitation concentration in the Amazon basin from different satellite‐based data sets. International Journal of Climatology, 39 (7), 3171-3187. https://doi.org/10.1002/joc.6009

Ccanchi (2021) Evaluación de sequías y del riesgo potencial a la ocurrencia de incendios forestales en ecosistemas altoandinos mediante uso de sensores remotos. Tesis para optar el Título profesional de Ingeniero Agrícola, Universidad Nacional Agraria La Molina. http://190.119.243.88/handle/20.500.12996/5195

Zubieta Ricardo, Prudencio Fernando, Ccanchi Yerson, Saavedra Miguel, Sulca Juan, Reupo Jorge, Alarco Glory (2021) Potential conditions for fire occurrence in vegetation in the Peruvian Andes. International Journal of Wildland Fire 30, 836-849. https://doi.org/10.1071/WF21029