Villanueva_Tesis_Especialización

Vista previa del material en texto

1 
 
 
 
Especialización en Teledetección y Sistemas de 
Información Geográfica aplicados al estudio del medio 
ambiente 
 
 
 
 
 
 
TRABAJO FINAL DE APLICACION 
 
“Análisis de variables ambientales que inciden en la ocurrencia 
de incendios y su relación con la distribución de focos de calor 
a partir de la aplicación de un modelo estadístico de datos y 
teledetección satelital” 
 
 
 
Alumna: Solange Noelia VILLANUEVA 
Profesor Orientador: Olga Susana FILIPPINI 
 
 
 
 
 
 
 
 
 
 
 2016 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
2 
 
 
INDICE GENERAL 
 
RESUMEN……………………………………………………………………………....4 
INTRODUCCIÓN…………………………………………………………………….…5 
OBJETIVO GENERAL…………………………………………………………………9 
OBJETIVOS ESPECÍFICOS…………………………………………………………....9 
AREA DE ESTUDIO 
ECORREGIONES ……………………………………………………………………….…9 
Región Pampeana y Espinal.......…………………………..………………..…...8 
Región de Monte de Llanuras y Mesetas…...……………………………………10 
Región Chaqueña……………………………………………………….………11 
 MARCO TEORICO 
TELEDETECCIÓN….……………………………………………………………………15 
El espectro electromagnético…………………………………………………...16 
Tipos de sensores………………………………………………………….……17 
Descripción de satélite TERRA y AQUA……………………………………...19 
Descripción del satélite Landsat 8. …………………….………………………23 
APLICACIÓN ESTADÍSTICA 
Predicción de focos de calor……………………………………………………26 
Modelo Lineal Generalizado………………………….……………………..…27 
Descripción de datos……………………………………………………………28 
METODOLOGIA 
Síntesis metodológica…………………………………………………………………..33 
Metodología…………………………………………………………………………….34 
RESULTADOS……………………………………………………………………..…35 
CONCLUSION………………………………………………………………….…….49 
BIBLIOGRAFIA……………………………………………………………………….50 
ANEXO……………………………………………………………………………….. 54 
 
 
 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
3 
 
 
 
INDICE DE TABLAS 
TABLA 1. Descripción de datos Landsat 8 (LDCM)-Fuente USGS 2013…………..…24 
TABLA 2. Variables ambientales………………………………………………………39 
TABLA 3/ TABLA 4 /TABLA 5. Información del modelo ……………………………..40 
TABLA 6. Bondad de ajuste – Zona I …………………………………………………41 
TABLA 7. Bondad de ajuste – Zona II …………………………………………………42 
TABLA 8. Bondad de ajuste –Zona III…………………………………..……………...42 
TABLA 9. Contrastes de los efectos del modelo – Zona I …………………………...…44 
TABLA 10. Contrastes de los efectos del modelo – Zona II………………………...…..45 
TABLA 11. Contrastes de los efectos del modelo – Zona III…………………………...45 
TABLA 12. Estimaciones de los parámetros. Zona I……………….……………….…..46 
TABLA 13. Estimaciones de los parámetros. Zona II…………………………… …….47 
TABLA 14. Estimaciones de los parámetros. Zona III………………………………….48 
 
INDICE DE FIGURAS 
FIGURA 1 Ecorregiones de Argentina (Brown y Pacheco 2006)………………….……9 
FIGURA 2 Áreas de estudio. (Elaboración propia)……………………………………...14 
FIGURA 3. Espectro electromagnético (Chuvieco 2008)....………………….…………16 
FIGURA 4. Ancho de banda para los sensores OLI y TIRS en Landsat 8 y ETM+ en 
Landsat 7 (USGS 2013)………………………………………………………..………24 
FIGURA 5 Funciones de vínculo......................................................................................27 
FIGURA 6. Síntesis metodológica……………………………………………………....33 
FIGURA 7. Interrelación de focos de calor (2009-2013) y mapa de cobertura del suelo 
Variable de influencia antrópica………………………………………………………..36 
FIGURA 8. Variable de influencia antrópica y focos de calor……………………...…...37 
FIGURA 9. Puntos de calor y pendiente………………………………………………...38 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
4 
 
 
Resumen 
 
El territorio argentino debido a su heterogeneidad geográfica, sufre la ocurrencia de 
incendios, siendo una de las principales causas de modificación de ambientes. Variables 
de índole natural y antrópicas inciden sobre este fenómeno. Existen diversos productos 
satelitales elaborados para cuantificar y representar la ocurrencia de incendios que 
integran tecnología de sensores remotos y Sistemas de Información Geográfica (SIG) 
para realizar productos globales, estacionales y anuales de focos de calor a partir de 
imágenes MODIS. El objetivo del presente estudio fue realizar un análisis de las 
variables ambientales (Índice de influencia antrópica; tipo de cobertura; pendiente del 
terreno, temperatura y precipitaciones) a través de un análisis estadístico 
complementado con las herramientas de teledetección. La metodología utilizada se basó 
en la generación de capas de información de las áreas bajo estudio que se 
interrelacionaron con los focos de calor (FC), obtenidos en base al producto MOD 14 
extraídos del satélite Terra MODIS y AQUA, que se complementó con técnicas de 
análisis estadístico; de tipo descriptiva y análisis de frecuencias basadas en el Modelo 
Lineal Generalizado. Se analizaron los resultados obtenidos de las distintas áreas de 
trabajo (Chaco Seco; Chaco Húmedo y Espinal) para evaluar las variables ambientales 
con mayor probabilidad de incidencia en la ocurrencia de incendios. El periodo de 
estudio consta de cinco años (2009-2013). Como principal resultado se hallaron las 
variables con mayor probabilidad de influencia sobre la ocurrencia de FC para cada 
área, siendo la de mayor peso de influencia el Índice de influencia antrópico, este 
resultado deja abierta múltiples hipótesis para continuar trabajando en relación a la 
temática del uso y sobre explotación de los recursos naturales. 
 
Palabras claves: Teledetección; Sistema de Información Geográfica; Estadística; 
Modelo Lineal Generalizado; Incendios. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
5 
 
Introducción 
Los incendios constituyen fenómenos de cambio en ambientes; la evolución del fuego 
desde un pequeño foco, que puede extinguirse rápidamente, hasta un incendio de 
mayores proporciones, depende de diversas variables: la cantidad (carga), continuidad 
(disposición horizontal y vertical) y características del combustible vegetal (fino, 
grueso, inflamable o no), de la temperatura y humedad relativa del aire, de la 
exposición, de la pendiente, de los vientos, entre otros (Defossé, et. al., 2004). 
Dentro de las causas que originan los incendios, aquellas más destacadas son la que 
tienen relación con las actividades antrópicas. Siendo interesante analizar las 
condiciones naturales y las variables de influencia antrópica en el medio que hacen más 
probable la ocurrencia de incendios. 
La interrelación de variables es fundamental para la detección de incendios. Por 
ejemplo, en la Región Andino Patagónica se aplica el “índice de peligro de propagación 
de incendios forestales”, desarrollado por Rodríguez y Moretti (1988). Considera para 
ello variables tales como: la temperatura, la humedad relativa, el viento y los días 
consecutivos con o sin precipitación. Se asume que cada una de las variables utilizadas 
explica un determinado porcentaje del peligro total de propagación del fuego. Las dos 
primeras variables determinan el contenido de humedad y la resistencia a la ignición de 
los combustibles; la ocurrencia o no de precipitación determinan la alternancia entre 
periodos secos y húmedos. 
Los índices de peligro de incendio ayudan a evaluar la facilidad de ignición, la 
velocidad de propagación, la dificultad de control, y el impacto del fuego, en función de 
los factores fijos y variables que lo afectan (vegetación, totopografía, meteorología). 
Actualmente estos fenómenos pueden ser evaluados conel apoyo de la geografía 
aplicada la cual posee un importante auge al recibir un apoyo geotecnológico que 
vincula los desarrollos en cartografía y percepción remota, junto con el tratamiento 
estadístico multivariado. 
Los Sistemas de Información Geográfica (SIG) son herramientas que permiten procesar 
geoinformación (cuya condición básica es su referencia espacial a un determinado 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
6 
sistema de coordenadas geográficas) por esta razón se han transformado en 
herramientas imprescindibles para la gestión y planificación del territorio, 
específicamente, para el planeamiento urbano según la Dirección Provincial de 
Ordenamiento Urbano y Territorial Sistemas de Información Geográfica para el 
ordenamiento territorial. Para el presente estudio se propone la interrelación de variables 
mediante la aplicación de una metodología de análisis estadístico e imágenes satelitales 
que se interrelacionarán mediante el uso de los SIG. 
Según Kendall (1975) el análisis multivariable es el conjunto de técnicas estadísticas 
que analizan simultáneamente más de dos variables. En cambio Seber (1984) se refiere 
al análisis multivariable como aquel orientado al estudio de vectores de variables 
aleatorias correlacionadas. Para Johnson y Wichern (1998) el análisis multicriterio es 
una bolsa mixta que contiene métodos apropiados para investigaciones científicas y 
tecnológicas. 
Asimismo la modelación estadística basada en la medición de un conjunto de 
parámetros y la implementación de un modelo matemático permite predecir casos de 
estudio particulares y expresar cuáles serán los resultados de una determinada 
modelación. 
Los métodos multivariados utilizan métodos de modelación estadística cuando realizan 
análisis de dependencia entre variables. 
El Modelo Lineal Generalizado (MLG), es la extensión natural del Modelo Lineal 
clásico. Inicialmente expuesto por Nelder y Wedderburn (1972), ha llegado a suponer 
“una auténtica revolución estadística”, convirtiéndose en una solución especialmente 
adecuada para modelos de dependencia con datos no métricos. 
En el análisis de regresión, las relaciones entre dos variables se fundamentan en 
modelos de respuesta, es decir, en la forma cómo una variable (y), que se puede 
denominar dependiente, responde a los cambios que experimenta la otra variable (x), 
denominada independiente. Fácilmente se puede deducir que en nuestro caso las 
variables independientes son, por lo general, variables ambientales. Por tanto, el 
objetivo de un análisis de regresión es conocer la respuesta estimada (Ey) de una 
especie para un valor determinado de la variable o variables ambientales consideradas. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
7 
Esto se aplicará para el presente caso de estudio, considerando las variables ambientales 
de cada área de estudio, para confrontar con los productos de detección de incendios o 
anomalías térmicas de la superficie de la tierra, los cuales procesan los datos en base a 
umbrales establecidos a escala global, sin contemplar la regionalización de acuerdo a las 
diferentes variables ambientales. 
Los modelos estadísticos que utiliza dependen del número de variables dependientes (o 
respuesta de interés) y el tipo de escala de medida. 
El Modelo Lineal Generalizado (MLG) cubre todos los modelos que podrían utilizarse 
de acuerdo al número de variables y tipo de escala, pero el MLG presenta restricciones 
o supuestos necesarios para su aplicación. 
 
Objetivo general 
Identificar variables ambientales que inciden en la ocurrencia de incendios, y su 
relación con la distribución de focos de calor, mediante la utilización de análisis 
estadísticos multivariados. 
 
Objetivos específicos 
 
-Desarrollar una base de datos con las variables correspondiente a cada área de estudio 
que podrían tener incidencia en la ocurrencia de incendios. 
 
-Utilizar un método estadístico de análisis para cada área de estudio, justificando su uso. 
 
-Realizar un análisis que sea un aporte para evaluar las variables que tengan mayor 
influencia en la generación de incendios. 
 
 
AREA DE ESTUDIO 
 
Ecorregiones 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
8 
A fines de la década del 90 se generó un mapa (Figura 1) de las ecorregiones de la 
Argentina (Burkart et al., 1999), basado en el mapa de regiones fitogeográficas de la 
Argentina de Cabrera (1976) a partir de un panel de expertos en flora y fauna de las 
distintas regiones geográficas de la Argentina. En este trabajo utilizamos la 
denominación de “Ecorregión” según los criterios establecidos en 1999 como: “Un 
territorio geográficamente definido en el que dominan determinadas condiciones 
geomorfológicas y climáticas relativamente uniformes o recurrentes, caracterizado por 
una fisonomía vegetal de comunidades naturales y seminatural que comparten un grupo 
considerable de especies dominantes, una dinámica y condiciones ecológicas generales 
y cuyas interacciones son indispensables para su persistencia a largo plazo”. Las 
mismas están definidas en función de variables climáticas, de biodiversidad y 
características ecológicas particulares de funcionamiento. 
 
Figura 1. Ecorregiones de Argentina (Brown y Pacheco 2006) 
 
 
 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
9 
 
Áreas de estudio 
 
Área I. Se localiza entre las coordenadas: 34º 51´59” S - 65º04´29” O (Figura 2) en el 
Sur Oeste de Córdoba y el Sur Este de San Luis; abarca parte de la Región Pampeana 
(Pampa Húmeda) y del Espinal. 
 
La Región Pampeana, aproximadamente entre los 31° y 39° de Latitud Sur, presenta una 
división entre la denominada "Pampa Húmeda" o "Pampa Oriental" y la "Pampa Seca" 
o "Pampa Occidental" (Politis, 1984). Esta división estaría marcada por la isohieta de 
los 600 mm. Así, la subregión Pampa Húmeda se encuentra limitada hacia el Oeste por 
la mencionada isohieta, mientras que su límite Este está marcado por el Río Paraná, el 
Río de La Plata y el Océano Atlántico. Abarca una superficie aproximada de 500.000 
km
2
 y comprende la mayor parte de la provincia de Buenos Aires, Sur de Entre Ríos, 
Sur de Santa Fe, Sur de Córdoba y Sureste de San Luis (Cabrera, 1976). 
 
La Pampa Húmeda es un área constituida por planicies y praderas herbáceas cuya 
pendiente es muy baja, con dos sistemas serranos de escasa altitud (no mayor a los 1200 
msnm), denominados Ventania y Tandilia. En términos generales, la presencia de ríos 
no es abundante, en cambio sí lo son las lagunas de agua dulce o salobre que se 
encuentran distribuidas por toda la subregión. Cabe destacar la presencia de profundos 
depósitos de loess de origen pleistocénico y holocénico que cubren gran parte de la 
subregión, los cuales han servido como material parental para la formación de suelos 
durante diferentes momentos del Cuaternario. 
 
Desde un punto de vista fitogeográfico el área pertenece a la Provincia Pampeana del 
Dominio Chaqueño, cuya vegetación dominante es la estepa o pseudoestepa de 
gramíneas (Cabrera, 1976). Si bien la ausencia de árboles caracterizó al ambiente 
pampeano, durante la época de la conquista hispánica aún era posible encontrar espesos 
bosques relictuales de algarrobo blanco y negro (Prosopis alba y Prosopis Nigra) como 
así también de chañar (Geoffrea decorticans) y Prosopis Caldén. Aunque las 
comunidades naturales han sidointensamente modificadas por la acción agropecuaria, 
aún en campos no cultivados o en aquellos que han estado por largos períodos sin 
cultivo pueden observarse varias especies autóctonas. La llanura está dominada por una 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
10 
estepa graminosa donde predominan los géneros Stipa, Piptochaetium y Poa (Prieto 
1996; Soriano et al. 1992). 
 
El Espinal es una ecoregión de la llanura Chaco Pampeana, que rodea por el Norte, 
Oeste y Sur a la Región Pampeana, abarcando el sur de la Provincia de Corrientes, 
mitad norte de Entre Ríos, una faja central de Santa Fe y Córdoba, centro y sur de San 
Luis, mitad este de La Pampa y sur de Buenos Aires. 
 
El paisaje predominante es de llanura plana a suavemente ondulada, ocupada por 
bosques bajos, sabanas y pastizales, hoy convertidos en gran parte a la agricultura. 
 
La característica de los suelos es variable; hacia el Noreste, los suelos formados sobre 
sedimentos loésicos son arcillosos e imperfectamente drenados. Hacia el centro-oeste y 
sur de la región, son mediana a pobremente desarrollados, de texturas gruesas, 
escasamente provistos de materia orgánica, sin presencia de capas de acumulación de 
arcilla y principalmente hacia el sur, con presencia de capas petrocálcicas y zonas 
medanosas. 
 
El clima es variable, cálido y húmedo en el Norte, templado y seco con marcados déficit 
hídricos, hacia el Oeste y Sur. El Espinal se puede dividir en tres subregiones: Espinal 
del Ñandubay, el sector mesopotámico, de clima húmedo; el de los Algarrobos, el sector 
central, subhúmedo, de transición entre la Pampa y el Chaco; finalmente, el del Caldén, 
sector semiárido, de transición entre la Pampa y el Monte. 
 
Las formaciones vegetales características son los bosques bajos de especies leñosas 
xerófilas, densos o abiertos, de un solo estrato, y las sabanas, alterando con pastizales 
puros. En general las especies vegetales comunes en el Espinal se encuentran también 
en otras provincias fitogeográficas del dominio Chaqueño, especialmente la Provincia 
Chaqueña, de la cual se considera una continuación austral empobrecida. 
 
Área II. Se encuentra localizada entre las coordenadas: 36º 38´59” S - 66º11´28” O, en 
el Centro Oeste de la provincia de La Pampa, abarca parte del Espinal y la región del 
Monte de Llanuras y Mesetas (Cabrera, 1976). 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
11 
La región Monte de Llanuras y Mesetas, comprende desde el Sur de San Juan hasta 
Chubut. La aridez y la composición florística y faunística son bastante homogéneas en 
toda su extensión. El clima es cálido y seco, con gran variedad térmica diaria y entre 
estaciones. Las precipitaciones muestran un marcado gradiente este-oeste y son muy 
variables: entre 80 mm y alrededor de 300 mm anuales (con algunos registros 
excepcionales), aunque en pocos lugares superan los 200 mm. La estación seca dura 
hasta un máximo de nueve meses y las lluvias están restringidas al verano, excepto en el 
sur, donde tienden a distribuirse más regularmente a lo largo del año. 
 
Área III. Se localiza entre las coordenadas: 30º 48´16” S - 64º26´32” O, Noreste de 
Santiago del Estero, Noroeste de Santa Fé y Suroeste de Chaco, que comprende un área 
de transición entre el Chaco Seco y el Chaco Húmedo (Cabrera 1976). 
 
El Chaco Seco, en su mayor parte, es una vasta llanura sedimentaria, modelada 
esencialmente por la acción de los ríos que la atraviesan en sentido Noroeste-Sudeste, 
principalmente el Juramento-Salado, el Bermejo y el Pilcomayo. Sus altas cuencas se 
encuentran fuera de la región, en la cordillera, desde donde transportan una gran 
cantidad de sedimentos que forman albardones a los costados del cauce, que en forma 
frecuente colmatan los cauces y dan origen a la divagación de los ríos. 
 
El Chaco Seco contiene una gran diversidad faunística, aunque muchos de sus 
componentes han sufrido una fuerte reducción en sus poblaciones, provocada por la 
intervención antrópica. Los principales factores con los que el hombre ha amenazado y 
amenaza a la conservación de la fauna de la región son: la reducción y la fragmentación 
de hábitat, especialmente en las zonas aptas para la agricultura, y la caza, 
principalmente de algunos mamíferos mayores. 
 
El Chaco Oriental o Húmedo, con algunas diferencias en cuanto a su delimitación 
abarca la mitad oriental de Formosa y Chaco, el extremo Noroeste de Corrientes y el 
Norte de Santa Fe. Incluye la porción húmeda de las cuencas de los ríos Pilcomayo y 
Bermejo, los Esteros, Cañadas y Selvas de Ribera y el Alto Agrícola Chaco Formoseño, 
estos dos últimos dentro de la Provincia del Chaco. (Morello J.; Adámoli J., 1968). 
Posee dos gradientes: térmico y de precipitaciones, el primero, decreciente en sentido 
Norte Sur y el segundo decreciente en sentido oeste este, que condicionan la aparente 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
12 
uniformidad de la zona, que se manifiesta en diversidad en cuanto a: disponibilidad de 
agua del sistema hídrico superficial y subterráneo, diversificación de los suelos y en la 
vegetación: bosque cerrado, un paisaje abierto de parques y sabanas y un horizonte de 
esteros y bañados enmarcados por selvas en galería. 
 
La condición climática subtropical húmedo (Bruniard, 1987) implica temperaturas 
media anuales desde los 23º al norte hasta los 18º al sur de la región. Las lluvias son 
abundantes con dos picos estacionales (otoño y verano) y un balance hídrico positivo. 
 
La vegetación, presenta la mayor diversidad del Parque Chaqueño, con la presencia de 
bosques fluviales, áreas deprimidas con amplio dominio de vegetación herbácea, 
muchas veces compartida con especies de palma en fisonomías de tipo sabánica. Las 
pulsaciones debidas a las inundaciones y el fuego son también una importante 
característica de las áreas más deprimidas. 
 
La gran variedad de ambientes del Chaco Húmedo (bosques, esteros, bañados, sabanas, 
pastizales, lagos y ríos) hace que se presente en la región una notable cantidad y 
diversidad de fauna silvestre. En su mayoría insectos, entre los vertebrados se 
encuentran más de cincuenta especies de peces, cuarenta de anfibios, cincuenta de 
reptiles, trescientas cincuenta de aves y setenta de mamíferos. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
13 
 
 
 
 
 
 
 
 
 
 
Figura 2. Áreas de estudio 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
14 
 
MARCO TEÓRICO 
 
LA TELEDETECCION 
La percepción remota o teledetección es una técnica que permite obtener información de 
objetos, áreas o fenómenos situados sobre la superficie terrestre sin mantener contacto 
físico con ellos. La palabra teledetección surge a principios de 1960 como traducción 
latina del término inglés remote sensing para designar cualquier medio de observación 
remota. Este término se aplicó fundamentalmente a la fotografía aérea, principal sensor 
de aquella época. Con el avance y la investigación en el campo de los sensores 
montados sobre plataformas espaciales se abre una nueva era en la adquisición de datos 
tanto de la superficie como de la atmósfera terrestre. Surge así lo que actualmente se 
conoce comoteledetección espacial. 
 
Para que la observación remota sea posible es preciso que exista algún tipo de 
interacción entre el objeto observado y el sensor. La captura de datos en teledetección se 
basa en el registro de esta radiación electromagnética por un sistema sensor a bordo de 
una plataforma que lo alberga. La fuente de energía que origina la radiación 
electromagnética podrá ser el Sol o las cubiertas terrestres (teledetección pasiva) o bien 
el propio sensor (teledetección activa). Se distinguen así tres tipos de radiación 
electromagnética en cuanto a su origen: radiación solar reflejada por los objetos, 
radiación terrestre emitida por los objetos y radiación emitida por el sensor y reflejada 
por los objetos. El primer tipo de radiación se registra en la región del visible y del 
infrarrojo (IR) reflejado (IR cercano e IR medio de onda corta) siendo el tipo más 
importante de teledetección, el segundo en el infrarrojo térmico (también en el IR medio 
de onda larga para objetos de alta temperatura) y el último en la región de microondas 
(radar) (Chuvieco, 2008). 
 
EL ESPECTRO ELECTROMAGNETICO 
Según la teoría ondulatoria, la energía electromagnética se transmite de un lugar a otro 
siguiendo un modelo armónico y continuo, a la velocidad de la luz. La radiación 
electromagnética se presenta como una distribución continua de longitudes de onda o de 
frecuencias. A pesar de lo anterior suelen establecerse una serie de bandas en donde esta 
radiación presenta un comportamiento similar en determinados aspectos. La 
organización de estas bandas de longitudes de onda o frecuencia se denomina espectro 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
15 
 
electromagnético. Comprende desde las longitudes de onda más cortas como los rayos 
γ o los rayos X hasta longitudes kilométricas como las ondas de telecomunicaciones 
(Figura 3 ). 
 
 
Figura 3. Espectro electromagnético. (Chuvieco et al, 2008) 
 
Se denomina región óptica del espectro a aquel conjunto de longitudes de onda 
comprendidas entre 0.4 y 2.5 µm (desde el visible al SWIR). Las longitudes de onda de 
esta región se relacionan con los procesos de reflexión de la energía solar sobre la 
superficie terrestre. Aunque en teledetección también se empleen datos de otras 
regiones, la mayor parte de las aplicaciones se centran en la región óptica del espectro. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
16 
 
TIPOS DE SENSORES 
Un sistema espacial de teledetección se compone del sensor y de la plataforma que lo 
sustenta. En primera instancia, los sensores se clasifican en función de la fuente de 
energía que origina la radiación electromagnética. En este sentido se habla de sensores 
pasivos, cuando se limitan a captar la radiación electromagnética procedente de una 
fuente de energía exterior a ellos y de sensores activos, cuando además de captar 
radiación emiten su propio haz de energía. 
 
Dentro de los sensores pasivos, según el procedimiento que empleen para grabar la 
energía recibida, se distingue entre sensores fotográficos, ópticos y de antena. Los 
sensores fotográficos basan su funcionamiento en la impresión de un objeto sobre 
emulsiones fotosensibles, con el apoyo de un sistema óptico que permite controlar las 
condiciones de la exposición. Dado que no permiten una cobertura sistemática de la 
superficie terrestre al no facilitar una transmisión a distancia de las imágenes captadas, 
han sido desplazados por los actuales sensores ópticos. Por otro lado, los sensores de 
antena o radiómetros de microondas operan a longitudes de onda largas, en la región de 
microondas, donde no se ven afectados por la situación atmosférica ni por las 
condiciones de iluminación. Por otra parte, dentro de los sensores activos se encuentran 
el radar y el lídar. El radar trabaja en la región de microondas y puede operar en 
cualquier condición atmosférica. En cambio, el lídar es un sensor activo que emite 
pulsos de luz polarizada entre el ultravioleta y el infrarrojo cercano. 
 
RESOLUCIONES DE UN SENSOR 
La resolución espacial de un sensor se refiere a la capacidad del sensor para discriminar 
información de detalle. La resolución se asocia al conjunto del equipo y no a cada una 
de sus partes, es decir, depende del efecto combinado de cada uno de los componentes 
de un sensor. Además, a la hora de definir la resolución de un sensor se menciona el 
término información de detalle, relacionado no sólo con el detalle espacial que 
proporciona el sensor, sino también con el número y ancho de las bandas del espectro en 
las que opera, con el intervalo de tiempo entre dos pasadas consecutivas y con la 
capacidad para distinguir variaciones en la energía que detecta. Por tanto, la resolución 
de un sensor puede descomponerse en espacial, espectral, radiométrica y temporal. A 
continuación se explica cada una de ellas. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
17 
 
La resolución espacial hace referencia al tamaño del objeto más pequeño que puede ser 
distinguido sobre una imagen. En los sensores ópticos suele utilizarse el concepto de 
campo de visión instantáneo o IFOV, que es la sección angular, medida en radianes, 
observada en un momento determinado por el sensor. A menudo, en vez de recurrir al 
IFOV, se emplea la distancia sobre el terreno que corresponde a ese ángulo, que puede 
calcularse a partir de él, conociendo la distancia que separa el suelo del sensor. Esa 
distancia representa la longitud sobre el terreno que equivale a un píxel de la imagen, 
siendo la medida de resolución espacial más extendida. La resolución espacial de los 
distintos sensores actuales muestra un rango bastante amplio, desde la baja resolución 
espacial de varios kilómetros de los satélites meteorológicos hasta la resolución inferior 
a un metro del satélite QuickBird. La resolución de un sensor también se manifiesta a 
través del número y anchura de las bandas espectrales que puede discriminar. Es lo que 
se denomina resolución espectral. Cuanto mayor sea el número de bandas que 
proporcione un sensor, más fácil resultará la discriminación de cubiertas a partir de 
imágenes del mismo. Además, no sólo es importante el número de bandas del espectro 
que abarca un sensor, el ancho de las mismas es otro factor de vital importancia. 
Conviene contar con bandas lo suficientemente estrechas como para detectar la 
diferenciación espectral entre cubiertas de interés, ya que bandas de una anchura 
considerable proporcionarán valores de radiancia promedio, con la pérdida de 
información espectral que esto conlleva. No obstante, el número, anchura y localización 
de bandas de un sensor se relaciona con los objetivos de diseño y aplicaciones del 
mismo. 
 
La resolución radiométrica se refiere a la sensibilidad del sensor, es decir, a su 
capacidad para detectar variaciones en la radiancia espectral que recibe. En las 
imágenes digitales, la radiancia espectral se codifica en un número determinado de 
niveles digitales. Dado que se trata de una codificación digital, la resolución 
radiométrica suele expresarse a través del número de bits que precisa cada píxel para ser 
almacenado. Por ejemplo, las imágenes Landsat presentan una resolución radiométrica 
de 8 bits/píxel, esto significa que la radiancia espectral recibida por este sensor se 
codifica en 28 = 256 niveles digitales. Sin embargo, otros sensores no realizan esta 
codificación de la señal recibida en un número determinado de niveles digitales, sino 
que muestran en cada píxel el valor dela radiancia registrada por el sensor. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
18 
Por último, la resolución temporal indica la frecuencia de cobertura o periodicidad con 
la que el sensor adquiere imágenes de la misma zona de la superficie terrestre. Ésta 
depende de las características orbitales de la plataforma, como la altura y la velocidad y 
también del diseño del propio sensor. 
 
Dado que un único sistema de teledetección no puede cubrir todas las expectativas, en 
lo que a resolución se refiere, los sistemas se diseñan primando un tipo de resolución 
concreta, condicionada por las aplicaciones y los fines a los que se destina ese sistema. 
La detección temprana de incendios forestales requiere sistemas de teledetección con 
una resolución temporal alta; además, la resolución radiométrica de los canales térmicos 
supone un punto importante, de cara a detectar de forma efectiva las variaciones de la 
temperatura superficial terrestre. En este sentido, el sensor MODIS elegido para 
desarrollar este estudio, por su resolución temporal, espectral y radiométrica, resulta 
idóneo para la detección y cartografía temprana de incendios y los datos del satélite 
Landsat 8. 
 
SATELITES TERRA Y AQUA 
 
TERRA 
El satélite Terra fue puesto en órbita el 18 de diciembre de 1999 y comenzó a recoger 
información el 24 de febrero de 2000. Fue lanzado desde la base militar estadounidense 
de Vandenberg en el cohete Atlas IIAS. Posee cinco instrumentos especializados en el 
estudio de la atmósfera y la detección de cambios climáticos. Estos 5 instrumentos son: 
- ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) 
- CERES (Clouds and the Earth’s Radiant Energy System) 
- MISR (Multi-angle Imaging SpectroRadiometer) 
- MODIS (Moderate-resolution Imaging Spectroradiometer) 
- MOPITT (Measurements of Pollution in the Troposphere) 
 
El ASTER es un fotosensor desarrollado conjuntamente por la NASA y el Ministerio de 
Industria Japonés. Se utiliza para obtener mapas detallados de la temperatura, 
reflectancia y elevación de la superficie terrestre. 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
19 
El CERES está compuesto por dos radiómetros de banda ancha, del espectro visible al 
infrarrojo (bandas entre 0.3 y 5 micras y entre 8 y 12 micras). Mide el equilibrio 
energético de la atmósfera, así como la radiación ultravioleta solar que es reflejada y 
absorbida por la superficie, la atmósfera y las nubes. 
 
El MISR es un instrumento que explora la superficie terrestre con nueve cámaras, cada 
una de ellas apuntando a un ángulo de observación diferente. Las imágenes que toma 
son en cuatro bandas: azul, verde, rojo e infrarrojo próximo. Este modelo de captación 
permite al MISR distinguir los diferentes tipos de nubes, los aerosoles y las cubiertas de 
la superficie terrestre. 
 
El sensor MODIS es el utilizado en este proyecto. El sensor MOPITT es un instrumento 
diseñado para captar datos de la baja atmósfera y observar su interacción con la biosfera 
marina y terrestre. 
 
SATELITES TERRA Y AQUA Y SU SENSOR MODIS 23 
La órbita del Terra está diseñada para pasar el Ecuador por las mañanas de Norte a Sur 
(de ahí deriva el nombre que recibe dentro del programa EOS, EOS AM). Se sitúa a 
unos 705 kilómetros de altura y proporcionan un ancho de barrido de 2330 kilómetros. 
Esto permite observar toda la superficie terrestre cada uno o dos días. Por tanto, posee 
características muy adecuadas para mejorar el conocimiento de los procesos y de la 
dinámica global que experimenta nuestro planeta. 
 
Satélite Aqua 
El satélite Aqua fue puesto en órbita el 4 de mayo de 2002. Fue lanzado desde la base 
militar estadounidense de Vandenberg en el cohete Delta II Rocket. 
Este satélite fue el primero de la constelación A Train, formada por un total de 5 
satélites. A partir de las observaciones de estos satélites se pueden construir imágenes 
tridimensionales de la atmósfera de la Tierra en alta resolución. 
Posee seis instrumentos especializados en el estudio de la atmósfera y de la superficie 
de agua terrestre: 
- AMSR-E (Advanced Microwave Scanning Radiometer-EOS) 
- MODIS (Moderate Resolution Imaging Spectroradiometer) 
- AMSU-A (Advanced Microwave Sounding Unit) 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
20 
- AIRS (Atmospheric Infrared Sounder) 
- HSB (Humidity Sounder for Brazil) 
- CERES (Clouds and the Earth’s Radiant Energy System) 
 
SATELITES TERRA Y AQUA Y SU SENSOR MODIS 24 
El AMSR-E es un radiómetro microondas (6.9-89 GHz) diseñado por Japón para medir 
la tasa de lluvia mediante la dispersión de microondas por las gotas de agua. También 
mide vientos y temperatura en la superficie del mar. 
El AMSU-A son dos medidores de microondas en 15 canales (entre 15 y 90 GHz) para 
realizar perfiles de temperatura. 
El AIRS es un espectrómetro infrarrojo (entre 3.7 y 15 micras) para realizar perfiles 
verticales de temperatura y humedad. También incorpora un fotómetro óptico de cuatro 
bandas, entre 0.4 y 1 micras. 
El HSB es un medidor de microondas de cuatro canales (entre 150 y 183 GHz) para 
obtener perfiles de humedad incluso bajo cubiertas de nubes muy espesas. 
El satélite Aqua proporciona, como el Terra, dos imágenes, una diurna y otra nocturna, 
recibiéndose la diurna entre las 12:30 y 15 horas UTC y la nocturna entre la 1 y las 3:30 
horas UTC. Por tanto, junto a las dos imágenes que proporciona el satélite Terra, se 
cuenta con 4 imágenes diarias, dos diurnas y dos nocturnas. En las imágenes tomadas a 
las 13:30 y a las 2 el Principado de Asturias saldrá en el centro de la imagen. 
La órbita del Aqua está diseñada para pasar el Ecuador de sur a norte por las tardes (de 
ahí se deriva su nombra en el programa EOS, EOS PM). Se sitúa, como en el caso del 
Terra, a unos 705 kilómetros de altura y proporciona un ancho de barrido de 2330 
kilómetros. 
 
MODIS 
El sensor MODIS (Moderate Resolution Imaging Spectroradiometer) se encuentra a 
bordo de los satélites Terra y Aqua. Estos satélites, como ya se dijo, forman parte de la 
misión EOS de la NASA. Proporciona una resolución radiométrica alta, de 12 bits, en 
36 bandas del espectro electromagnético que abarcan longitudes de onda desde 0.4 a 
14.4 μm (Tabla 1). Dos de estas bandas poseen una resolución espacial nominal (en el 
nadir) de 250 metros; cinco de 500 metros, y las 29 bandas restantes, de 1 kilómetro. Un 
espejo rotatorio de doble cara proporciona un FOV (Field Of View) de ±55°. 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
21 
SATELITES TERRA Y AQUA Y SU SENSOR MODIS 26 
A modo de resumen, las resoluciones de este sensor son: 
 -Resolución espectral: 36 bandas (de 0.4 a 14.4 μm) 
- Resolución temporal: 1-2 días 
- Resolución radiométrica: 12 bits 
- Resolución espacial: 
- 2 bandas de 250 metros 
- 5 bandas de 500 metros 
- 29 bandas de 1000 metros 
 
Como se observa, este sensor dispone de una gran resolución espectral, temporal y 
radiométrica, siendo más limitada la precisión espacial. Debido a estas resoluciones este 
sensor es muy adecuado, entre otras funciones, para la detección de incendios activos y 
para la cartografía de áreas quemadas. La gran resolución temporal, con cuatro 
imágenes diarias (dos diurnas y dos nocturnas), la resolución espectral, con gran 
cantidad de bandas en el infrarrojo térmico, y la resolución radiométrica otorgan a estesensor una gran capacidad para detectar anomalías térmicas en tiempo real. Estas 
resoluciones también facilitan la realización de una cartografía de áreas quemadas 
aproximadas y no de precisión debido a la resolución espacial. Para realizar cartografías 
de precisión se emplearán otros sensores con mayor resolución espacial, como por 
ejemplo el sensor TM disponible en el Landsat, cuya resolución espacial es de 30 
metros. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
22 
 
Descripción del Satélite LANDSAT 8 
La Misión Landsat (LDCM) fue puesta en órbita el 11 de febrero de 2013. El 
observatorio consta de una plataforma con capacidad de carga de dos de sensores de 
observación terrestre, el primero de ellos denominado Operational Land Imager (OLI) y 
el sensor térmico infrarrojo Thermal Infrared Sensor (TIRS). OLI y TIRS recogerán los 
datos de forma conjunta para proporcionar imágenes coincidentes de la superficie 
terrestre, incluyendo las regiones costeras, hielo polar, las islas y las zonas 
continentales. EL LDCM continúa la secuencia de trayectoria (también conocida como 
“paths” o rutas de acceso) como sus antecesores Landsat 4, Landsat 5 y Landsat 7. Esto 
permitirá que todos los datos del LDCM sean referenciados al mismo sistema de 
coordenadas, continuando con el registro de datos desde hace décadas. 
 
La nave orbita de Norte a Sur durante el día, cruzando el ecuador a las 10 a.m., hora 
local, con una órbita aproximada de unas 438 millas (705 kilómetros) por encima de la 
Tierra (USGS. 2013). 
 
El satélite Landsat 8 incorpora dos instrumentos de barrido: Operational Land Imager 
(OLI), y un sensor térmico infrarrojo llamado Thermal Infrared Sensor (TIRS). 
 
Las bandas espectrales del sensor OLI, aunque similares a el sensor Landsat 7 ETM +, 
proporcionan una mejora de los instrumentos de las misiones Landsat anteriores, debido 
a la incorporación de dos nuevas bandas espectrales: un canal profundo en el azul 
visible (banda 1), diseñado específicamente para los recursos hídricos e investigación en 
zonas costeras, y un nuevo canal infrarrojo (banda 9) para la detección de nubes cirrus. 
Adicionalmente una nueva banda de control de calidad se incluye con cada producto de 
datos generado. Esto proporciona información más detallada sobre la presencia de 
características tales como las nubes, agua y nieve. Por otra parte el sensor TIRS recoge 
dos bandas espectrales en longitudes de onda incluidas por la misma banda en los 
anteriores sensores TM y ETM+ (Figura 4). 
 
 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
23 
 
Figura 4. Ancho de banda para los sensores OLI y TIRS en Landsat 8 y ETM+ en 
Landsat 7 (USGS 2013) 
 
Las imágenes Landsat 8 obtenidas por el sensor (OLI) y (TIRS) constan de nueve 
bandas espectrales con una resolución espacial de 30 metros para las bandas de 1 a 7 y 
9. Una banda nueva (1) (azul profundo) es útil para estudios costeros y aerosoles. La 
nueva banda (9) es útil para la detección de cirrus. La resolución para la banda 8 
(pancromática) es de 15 metros. Dos bandas térmicas 10 y 11 son útiles para 
proporcionar temperaturas más precisas de la superficie y se toman a 100 metros de 
resolución (Tabla 1). El tamaño aproximado de la escena es de 170 km de norte-sur por 
183 kilómetros de este a oeste (106 km por 114 km). 
 
Tabla 1. Descripción de datos Landsat 8 (LDCM) 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
24 
 
 
PREDICCION DE FOCOS DE CALOR 
 
La estadística es el arte de realizar inferencias y sacar conclusiones a partir de datos 
imperfectos. Es la expresión numérica del sentido común. Luis Carcho Bart (2015). 
 
Uno de los objetivos de la Estadística es el de describir en unas pocas medidas resumen 
las principales características de un amplio conjunto de datos, de forma que estas 
medidas reflejen lo más fielmente posible las principales peculiaridades de dicho 
conjunto. A esta rama de la Estadística se la denomina Estadística Descriptiva. 
 
Otro de los objetivos de la Estadística es realizar conjeturas acerca de las medidas 
resumen de un conjunto de datos conociendo tan sólo una parte del mismo; esta rama se 
denomina Estadística Inferencial. 
 
Asimismo los datos son generalmente imperfectos en el sentido que aún cuando posean 
información útil no nos cuentan la historia completa. Es necesario contar con métodos 
que nos permitan extraer información a partir de los datos observados para comprender 
mejor las situaciones que los mismos representan. 
 
Los métodos estadísticos pueden y deberían ser usados en todas las etapas de una 
investigación, desde el comienzo hasta el final. Existe el convencimiento que la 
estadística trata con el “análisis de datos” (quizás porque esta es la contribución más 
visible de la estadística), pero este punto de vista excluye aspectos vitales relacionados 
con el “diseño de las investigaciones”. Es importante tomar conciencia que la elección 
del método de análisis para un problema, se basa tanto en el tipo de datos disponibles 
como en la forma en que fueron recolectados. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
25 
 
MODELO LINEAL GENERALIZADO 
 
Los Modelos lineales (regresión, ANOVA, ANCOVA) se basan en los siguientes 
supuestos: 
 
 Los errores se distribuyen normalmente 
 La varianza es constante 
 La variable respuesta se relaciona linealmente con las variables independientes. 
 
En muchas ocasiones, sin embargo, nos encontramos que uno o varios de estos 
supuestos no se cumplen. 
Estos problemas se pueden llegar a solucionar mediante la transformación de la variable 
respuesta. Sin embargo estas transformaciones, no siempre consiguen corregir la falta 
de normalidad, heterocedasticidad (varianza no constante) o la no linealidad de nuestros 
datos. 
Una alternativa a la transformación de la variable respuesta, a la falta de normalidad; es 
el uso de los Modelos Lineales Generalizados (GLM). Específicamente, se considera la 
utilización del GLM cuando la variable respuesta es: 
-Un conteo de casos (nuestro caso de estudio) 
-Un conteo de casos expresados como proporciones 
- Una respuesta binaria 
El supuesto central que se ha hecho hasta el momento con los modelos lineales es que la 
varianza es constante (figura 5a). En el caso de los conteos, sin embargo, donde la 
variable respuesta está expresada en números enteros y en donde hay con frecuencia 
muchos ceros en los datos, la varianza podría incrementar linealmente con la media 
(figura 5b). Con proporciones, donde hay un conteo del número de fallos de un evento, 
como del número de éxitos, la varianza tendrá una forma de U invertida en relación a la 
media (Figura 5c). Cuando la variable respuesta siga una distribución Gamma, entonces 
la varianza incrementa de una manera lineal con la media (Figura 5d). 
Muchos de los métodos estadísticos más comunes, como la t de Student o la regresión, 
asumen que la varianza es constante, pero en muchas este supuesto no es aplicable y es 
precisamente en estos casos cuando los GLM pueden ser de gran utilidad. Los GLM 
tienen dos propiedades: 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
26 
1. La estructura de los errores. 
2. La función de vínculo 
 
 
Figura 5 (a, b, c y d): Función devínculo 
 
 
Los modelos lineales generalizados son una ampliación de los modelos lineales 
generales, de manera que la variable dependiente está relacionada linealmente con los 
factores y las covariables mediante la función de enlace. Los modelos lineales 
generalizados sirven para analizar los modelos estadísticos más utilizados, como la 
regresión lineal para las respuestas distribuidas normalmente, modelos logísticos para 
datos binarios, modelos loglineales para datos de recuento, modelos log-log 
complementario para datos de supervivencia censurados por intervalos, además de 
muchos otros modelos estadísticos a través de la propia formulación general del 
modelo. 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
27 
 
Clasificación de los métodos multivariados 
Métrica No Métrica Métricas No Métricas
Regresión
Regresión 
Logistica - 
Probit - Logit- 
Análisis 
discriminante
ANOVA MANOVA
Número de 
Variables 
independient
es
Dependen
cia
Correlación canónica
Métrica
No Métrica
Análisis conjunto
Una o varias
Una Más de una
Número de variables dependientes
 
Análisis de Interdependencia 
Variables
Casos / Encuestados
Atributos Metricos Análisis Multidimensional
Atributos no metricos Análisis de correspondencia
Interdepen
dencia Entidades 
Análisis factorial y componentes principales
Análisis Cluster
 
Fuente: Apuntes de clase Estadística aplicada”: Olga Susana Filippini 
 
DESCRIPCIÓN DE LOS DATOS 
 
Para detectar si nuestros datos son o no normales es conveniente: (1) Conocer el tipo de 
variable respuesta y su naturaleza; y (2) el análisis de los residuos del modelo una vez 
ajustado el modelo (ya sea un modelo lineal o un GLM con una distribución de errores 
no normal). Esto nos va a permitir observar alejamientos de la normalidad y saber 
cuándo es conveniente utilizar uno u otro tipo de distribuciones de errores. En el 
presente caso, la variable focos de calor (FC) no cumple la normalidad ni la 
homogeneidad de la varianza y se aplica el modelo lineal generalizado. 
 
Análisis de dependencia 
Número de variables dependientes 
Tipo de escala de medida 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
28 
VARIABLES INDEPENDIENTES 
 
Coordenadas geográficas: Latitud y Longitud 
Día juliano: Se convirtieron las fechas de ocurrencias detectadas por el sensor en días 
julianos para poder contabilizar y realizar el análisis estadístico. 
Pendiente: Se descargo el modelo satelital de pendiente del terreno. Extraido del Earth 
Resources Observation and Science (EROS) (Centro de Observación y Ciencia de los 
Recursos de la Tierra). Expone que para aquellas áreas que caigan fuera del territorio de 
los Estados Unidos los datos se pueden distribuir públicamente a una resolución 
reducida igual a, o mayor que 3 arcosegundos (aproximadamente 90 m en el ecuador). 
Las áreas dentro del territorio de los Estados Unidos no están sujetas a dicha restricción 
y se pueden publicar con toda la resolución de 1 arco-segundo (aproximadamente 30 m 
en el ecuador) (Farr, 2007). 
Cobertura: La base de datos de cobertura fue extraída del marco de la Red 
Latinoamericana de Seguimiento y Estudio de los Recursos Naturales (SERENA) en 
respuesta a la gran necesidad existente de contar con información de cobertura del 
suelo, con una resolución espacial media, en la región de Latinoamérica y el Caribe. 
Índice antrópico, índice que mide la influencia antrópica según distancia a las ciudades, 
caminos, etc. 
Precipitaciones, obtenidas de la base de dato del Servicio Meteorológico Nacional. 
 
VARIABLE DEPENDIENTE 
 
Número de focos de calor, son obtenidos del servicio de la NASA, que los desarrolla 
mediante algoritmos matemáticos utilizando la información satelital. 
 
RECUENTOS: 
Loglineal de Poisson. Especifica la distribución de Poisson y la función de enlace de 
logaritmo. 
 
Binomial negativa con enlace de logaritmo. Especifica la distribución binomial 
negativa (con el valor 1 para el parámetro auxiliar) y la función de enlace de logaritmo. 
Para que el procedimiento calcule el valor del parámetro auxiliar, especifique un 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
29 
modelo personalizado con distribución binomial negativa y seleccione Estimar valor en 
el grupo de parámetros. 
 
Distribución 
Esta selección especifica la distribución de la variable dependiente. La posibilidad de 
especificar una distribución que no sea la normal y una función de enlace que no sea la 
identidad es la principal mejora que aporta el modelo lineal generalizado respecto al 
modelo lineal general. Hay muchas combinaciones posibles de distribución y función de 
enlace, varias de las cuales pueden ser adecuadas para un determinado conjunto de 
datos, por lo que su elección puede estar guiada por consideraciones teóricas a priori y 
por las combinaciones que parezcan funcionar mejor. 
 
Binomial. Esta distribución es adecuada únicamente para las variables que representan 
una respuesta binaria o un número de eventos. 
 
Gamma. Esta distribución es adecuada para las variables con valores de escala 
positivos que se desvían hacia valores positivos más grandes. Si un valor de datos es 
menor o igual que 0 o es un valor perdido, el correspondiente caso no se utilizará en el 
análisis. 
 
De Gauss inversa. Esta distribución es adecuada para las variables con valores de escala 
positivos que se desvían hacia valores positivos más grandes. Si un valor de datos es 
menor o igual que 0 o es un valor perdido, el correspondiente caso no se utilizará en el 
análisis. 
 
Binomial negativa. Esta distribución considera el número de intentos necesarios para 
lograr k éxitos y es adecuada para variables que tengan valores enteros que no sean 
negativos. Si un valor de datos no es entero, es menor que 0 o es un valor perdido, el 
correspondiente caso no se utilizará en el análisis. El valor del parámetro auxiliar de la 
distribución binomial negativa puede ser cualquier número mayor o igual que 0; se 
puede establecer en un valor fijo o dejar que lo estime el procedimiento. Cuando el 
parámetro auxiliar se establece en 0, utilizar esta distribución equivale a utilizar la 
distribución de Poisson. 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
30 
Normal. Es adecuada para variables de escala cuyos valores adoptan una distribución 
simétrica con forma de campana en torno a un valor central (la media). La variable 
dependiente debe ser numérica. 
 
Poisson. Esta distribución considera el número de ocurrencias de un evento de interés 
en un período fijo de tiempo y es apropiada para variables que tengan valores enteros 
que no sean negativos. Si un valor de datos no es entero, es menor que 0 o es un valor 
perdido, el correspondiente caso no se utilizará en el análisis. 
 
Tweedie. Esta distribución es adecuada para variables que puedan representarse 
mediante mezclas de Poisson de distribuciones gamma; la distribución es una "mezcla" 
en el sentido de que combina las propiedades de distribuciones continuas (toma valores 
reales no negativos) y discretas (masa de probabilidad positiva en un único valor, 0). La 
variable dependiente debe ser numérica y los valores de los datos deben ser iguales o 
mayores que cero. Si un valor de datos es menor que 0 o es un valor perdido, el 
correspondiente caso no se utilizará en el análisis. El valor fijo del parámetro de la 
distribuciónde Tweedie puede ser cualquier número mayor que uno y menor que dos. 
Multinomial. Esta distribución es adecuada para variables que representan una respuesta 
ordinal. La variable dependiente puede ser numérica o de cadena, y debe tener como 
mínimo dos valores válidos distintos de los datos. 
 
FUNCIONES DE ENLACE 
 
La función de enlace es una transformación de la variable dependiente que permite la 
estimación del modelo. Se encuentran disponibles las siguientes funciones: 
Identidad. f(x)=x. No se transforma la variable dependiente. Este enlace se puede 
utilizar con cualquier distribución. 
 
Log-log complementario. f(x)=log(−log(1−x)). Es apropiada únicamente para la 
distribución binomial. 
 
Cauchit acumulada. f(x) = tan(π (x – 0.5)), aplicada a la probabilidad acumulada de 
cada categoría de la respuesta. Es apropiada únicamente para la distribución 
multinomial. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
31 
 
Log-log complementario acumulado. f(x)=ln(−ln(1−x)), aplicada a la probabilidad 
acumulada de cada categoría de la respuesta. Es apropiada únicamente para la 
distribución multinomial. 
 
Logit acumulado. f(x)=ln(x / (1−x)), aplicada a la probabilidad acumulada de cada 
categoría de la respuesta. Es apropiada únicamente para la distribución multinomial. 
Log-log negativo acumulado. f(x)=−ln(−ln(x)), aplicada a la probabilidad acumulada 
de cada categoría de la respuesta. Es apropiada únicamente para la distribución 
multinomial. 
 
Probit acumulada. f(x)=Φ−1(x), aplicada a la probabilidad acumulativa de cada 
categoría de la respuesta, donde Φ−1 es la función de distribución acumulada normal 
estándar inversa. Es apropiada únicamente para la distribución multinomial. 
Logaritmo. f(x)=log(x). Este enlace se puede utilizar con cualquier distribución. 
Complemento log. f(x)=log(1−x). Es apropiada únicamente para la distribución 
binomial. 
 
Logit. f(x)=log(x / (1−x)). Es apropiada únicamente para la distribución binomial. 
 
 
Binomial negativa. f(x)=log(x / (x+k −1)), donde k es el parámetro auxiliar de la 
distribución binomial negativa. Es apropiada únicamente para la distribución binomial 
negativa. Dicha función de enlace fue la elegida como adecuada para aplicar en el 
presente caso de estudio. 
 
Log-log negativo. f(x)=−log(−log(x)). Es apropiada únicamente para la distribución 
binomial. 
 
Poder de probabilidad. f(x)=[(x/(1−x))α−1]/α, if α ≠ 0. f(x)=log(x), si α=0. α es la 
especificación de número necesaria y debe ser un número real. Es apropiada únicamente 
para la distribución binomial. 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
32 
Probit. f(x)=Φ−1(x), donde Φ−1 es la función de distribución acumulada normal 
estándar inversa. Es apropiada únicamente para la distribución binomial. 
 
Potencia. f(x)=x α, si α ≠ 0. f(x)=log(x), si α=0. α es la especificación de número 
necesaria y debe ser un número real. Este enlace se puede utilizar con cualquier 
distribución. (SPSS Statistics 22.0.0). 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
33 
SINTESIS METODOLOGICA 
A continuación en la Figura 6 se presenta una síntesis metodológica adoptada en este 
trabajo. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 6. Síntesis metodológica 
Selección de las imágenes 
satelitales del Landsat 8 para las 
tres zonas 
Búsqueda de 
variables 
auxiliares 
Obtención de la 
serie de anomalías 
Térmicas 
Integración de las variables en un Sistema de Información 
Geográfica, detección de áreas con susceptibilidad ambiental 
Selección del método estadístico 
Construcción de las bases de datos. 
Búsqueda y obtención de las 
variables. Filtrado de tablas 
Aplicación de las técnicas de 
Teledetección 
Desarrollo metodológico 
Prueba y error de 
modelos 
estadísticos con 
software SPSS 
Índice de 
influencia 
antrópica 
 
Precipitaciones 
Pendiente 
Fecha 
juliana 
 
Funciones 
Índice de 
vegetación 
 
Distribución 
de enlace 
Modelo lineal generalizado 
Resultados por 
cada zona 
Detección de 
variables de 
influencia por zonas 
Interrelación visual de variables y 
Focos de Calor 
Análisis estadístico de las 
variables y los focos de calor 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
34 
 
METODOLOGÍA 
 
La metodología se realizó en dos etapas, el objetivo de la primera etapa fue la 
interrelación de variables y la generación de las capas de datos en un Sistema de 
Información Geográfico. En la segunda etapa, el objetivo fue analizar el grado de 
probabilidad de influencia de las variables auxiliares sobre la ocurrencia de incendios en 
tres ambientes bien diferenciados para su posterior estudio de la distribución espacio-
temporal. 
Mediante la aplicación del concepto de análisis estadístico, se correlacionaron las 
variables que inciden en la ocurrencia de dicho fenómeno, para hallar aquellas que con 
mayor probabilidad sean las que ocasionen los incendios, con la intención de buscar las 
soluciones adecuadas que sean de ayuda para prevenir la ocurrencia de incendios. 
Por lo tanto para analizar la ocurrencia de incendios en las tres áreas de estudio se 
realizó un Modelo Lineal Generalizado, partiendo de la variable dependiente “focos de 
calor” (FC) y relacionándola con las variables independientes o predictoras. Para el caso 
se seleccionó una función de enlace mediante distintas pruebas de ensayo y error, 
buscando la distribución que entregue menor error o mayor significancia al modelo. 
 
En la investigación práctica nos encontramos frecuentemente con situaciones en las que 
una variable, Y, viene determinada por otra u otras variables, X1, X2, ... , Xk , sin que a 
su vez la primera determine las últimas. Podemos escribir la relación como Y = f(X1, 
X2, ... , Xk). La variable Y es denominada DEPENDIENTE, RESPUESTA Ó 
ENDÓGENA mientras que las variables X se denominan INDEPENDIENTES, 
PREDICTORAS O REGRESORAS. 
 
La característica más importante de los fenómenos estudiados en investigación aplicada 
es la variabilidad intrínseca de los resultados, de forma que, incluso en el caso de que 
estuviéramos ante una relación funcional perfecta, esta no se manifestaría 
completamente en datos observados. Por esta razón es necesario introducir en el modelo 
(1) un término de error procedente de: 
-No incluir variables importantes. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
35 
-Errores aleatorios que manifiestan la variabilidad intrínseca del fenómeno y/o errores 
de medida. 
-Especificación incorrecta de la forma de la ecuación. 
 
El modelo real será entonces 
 
Donde e es el error o perturbación aleatoria y los coeficientes 
son los parámetros estructurales o estructura paramétrica de la relación propuesta. El 
modelo propuesto en el que las Xi son variables observables no aleatorias y los bi son 
constantes fijas desconocidas se denomina Modelo Lineal General (MLG). En el 
presente trabajo se validaron los supuestos y dado que no cumplieron se aplicó el 
Modelo Lineal Generalizado. 
 
PRIMERA ETAPA METODOLÓGICA 
 
APLICACIÓN DE LAS TÉCNICAS DE TELEDETECCIÓN Y SISTEMAS DE INFORMACIÓN 
GEOGRÁFICA 
 
Con la finalidad de identificar el tipo de vegetaciónasociada con los puntos de calor en 
cada área, se realizó la integración de la serie de puntos de calor con la cobertura 
vegetal mediante el producto SERENA 2008. 
 
En un principio se propuso la utilización del producto Globcover sobre cobertura de 
suelo, pero debido a sus características en cuanto a la resolución espacial y teniendo la 
posibilidad de interacción con el grupo de trabajo de la Universidad Nacional del Sur, 
fue posible adquirir información de cobertura de suelo con mejor resolución espacial, a 
través del producto SERENA 2008. 
 
El producto SERENA representa la cobertura del suelo en el 2008 a partir de 
compuestos mensuales de imágenes con 500 m de resolución espacial del 
Espectroradiómetro de Imágenes de Resolución Media (MODIS, por sus siglas en 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
36 
inglés). Las 22 clases de cobertura del suelo representadas se definieron conforme a la 
norma del Sistema de Clasificación de la Cobertura de la Tierra (LCCS, por sus siglas 
en inglés), de la Organización de las Naciones Unidas para la Agricultura y la 
Alimentación, FAO. Dichas coberturas fueron interrelacionadas con las series de focos 
de calor, las cuales se descargaron en formato “shape”, considerando un periodo de 5 
años (del 01 de enero de 2009 al 31 de diciembre de 2013). (Figura 7). 
 
El fenómeno de incendios está relacionado con las actividades antrópicas, debido a esta 
relación se consideró en la propuesta inicial las variables: distancia al área de 
influencias de caminos y poblados, consideradas como posibles variables de origen de 
conflictos. Debido a no encontrar significancia en estas variables se investigó la 
posibilidad de otra que pudiese cubrir este objetivo. 
 
En esta primera etapa se halló el Índice de Influencia Antrópico (HII). 
(http://sedac.ciesin.columbia.edu/data/set/wildareas-v2-human-footprint-eographic/data-
download). El cual fue descargado e interceptado con el resto de las variables. La 
Huella Global Humana conforma un conjunto de datos del Proyecto Wild, Versión 2, 
2005 (LWP - 2) es el Índice de Influencia humana (HII) normalizado por bioma y reino. 
La HII es un conjunto de datos mundial de las cuadrículas de 1 kilómetro, creado a 
partir de nueve capas de datos globales que cubren la presión humana población 
(densidad de población), uso de la tierra y la infraestructura (áreas urbanizadas, luces 
nocturnas, uso de la tierra/cobertura de la tierra) y acceso humano (costa, carreteras, 
ferrocarriles, ríos navegables). El conjunto de datos se genera por la Wildlife 
Conservation Society (WCS) y el Centro de la Universidad de Columbia para la Red 
Internacional de Información sobre Ciencias de la Tierra (CIESIN) y está disponible en 
el Sistema de Coordenadas Geográficas (SCG) (Figura 8). 
 
Con relación entre los focos de calor y la pendiente del terreno se obtuvo el modelo 
digital del terreno de las áreas, para interrelacionar la posibilidad de incidencia de altura 
en la ocurrencia de incendios. 
Procedimiento técnico: 
Procesamiento del Modelo SRTM generado por SEREGEO 
-Conversión de proyección a UTM zona 20 
-Cálculo de pendiente (metros) 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
37 
Generación de la base de datos completa 
Las variables ambientales (tabla 2) fueron llevadas a un Sistemas de Información 
Geográfica de cada área de estudio 
 
Tabla 2. Variables ambientales 
Variable Fuente Unidad 
Índice de 
influencia 
Antrópicas (HII) 
http://sedac.ciesin.columbia.edu/data/set/w
ildareas-v2-human-footprint-
geographic/data-download 
1 Km 
Mapa de 
cobertura 
Serena 250 
Modelo SRTM 90 m 
Índice de 
vegetación 
MOD13A3 
http://es.slideshare.net/ciatdapa/karolina-
argote-datos-modis 
 
https://lpdaac.usgs.gov/products/modis_pro
ducts_table 
 
NDVI 1Km 
 
 
 
Interpolación de datos 
Cada variable ambiental fue llevada a un Sistema de Información Geográfica, mediante 
el software ARCGIS y se generó la interpolación, obteniendo como resultado una nueva 
base de datos completa interrelacionada. 
 
Procedimiento técnico 
Se unieron las bases de datos de FIRMS 2009-2011 con la base 2012-2013 mediante la 
herramienta “Merge” ya que fueron descargados en momentos distintos. 
Mediante “Espactial analisis”, “extraction”, “extract multi values to point” se 
interpolaron las siguientes bases: 
-Firms – altura: Focos de calor y altura del terreno 
-Firms-vegetation: Focos de calor y cobertura vegetal (Serena) 
-Firms-srtm: Focos de calor y Modelo Digital del Terreno 
-Firms-HII: Focos de calor e Índice de Influencia Antrópica 
-Firms-NDVI: Focos de calor e Índice de Vegetación 
 
Se cortó cada área de estudio según los polígonos (selec features), las imágenes cuyo 
path row corresponde al 229-79/ 229-83/ 228-85, del satélite Landsat 8, descargadas del 
sitio web de la NASA. 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
38 
SEGUNDA PARTE METODOLÓGICA 
 
Desarrollo del Modelo Lineal Generalizado 
 
Se aplicó el modelo lineal generalizado en la zona I, zona II y zona III. Se probaron 
varios modelos, la función de Poisson no presentó un índice de bondad de ajuste 
adecuado por lo tanto se escogió la función binomial negativa enlace logarítmico, que 
mostró ser la función con mejores indicadores de Bondad de ajuste para representar este 
modelo (Tabla 3 / Tabla 4/ Tabla 5). 
 
Tabla 3 - Información del modelo – Zona I 
 
Variable dependiente FC 
Distribución de probabilidades Binomial negativa (1) 
Función de enlace Log 
 
Tabla 4 - Información del modelo – Zona II 
 
Variable dependiente FC 
Distribución de probabilidades Binomial negativa (1) 
Función de enlace Log 
 
 
Tabla 5- Información del modelo –Zona III 
 
Variable dependiente FC 
Distribución de probabilidades Binomial negativa (1) 
Función de enlace Log 
 
 
En la tabla 6/ Tabla 7 y Tabla 8 se muestra la devianza para cada zona respectivamente, 
que expresa una aproximación de la variabilidad de los datos. Por ello, para obtener una 
medida de la variabilidad explicada por el modelo, se requiere comparar la devianza del 
modelo nulo (Null deviance) con la devianza residual (Residual deviance), esto es, una 
medida de cuanto de la variabilidad de la variable respuesta no es explicado por el 
modelo. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
39 
Podemos utilizar la reducción de la devianza como una medida del ajuste del modelo a 
los datos. Los tests de signicación para los parámetros del modelo son también útiles 
para ayudarnos a simplificar el modelo. Sin embargo, un criterio comunmente utilizado 
es el llamado Criterio de Información de Akaike (AIC). Es un índice que evalúa tanto el 
ajuste del modelo a los datos como la complejidad del modelo. Cuanto más pequeño es 
el AIC mejor es el ajuste. El AIC es muy util para comparar modelos similares con 
distintos grados de complejidad o modelos iguales (mismas variables) pero con 
funciones de vínculo distintas. 
 
Tabla 6- Bondad de ajuste – Zona I 
 
 Valor gl Valor/gl 
Desvianza 514,322 442 1,164 
Desvianza escalada 514,322 442 
Chi-cuadrado de Pearson 3715,988 442 8,407 
Chi-cuadrado de Pearson escalado 3715,988 442 
Log verosimilitud
b
 -1210,469 
Criterio de información de Akaike (AIC) 2438,938 
AIC corregido para muestras finitas (AICC) 2439,346 
Criterio de información bayesiano (BIC) 2475,941 
AICconsistente (CAIC) 2484,941 
Variable dependiente: FC 
Modelo: (Intersección), cobertura, indice_ant, precipitac
a
 
a. Los criterios de información están en forma "mejor cuanto más pequeño". 
b. La función de log-verosimilitud completa se muestra y se utiliza para calcular los 
criterios de información. 
 
 
 
 
 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
40 
 
 
Tabla 7 -Bondad de ajuste – Zona II 
 
 Valor gl Valor/gl 
Desvianza 205,407 269 ,764 
Desvianza escalada 205,407 269 
Chi-cuadrado de Pearson 541,358 269 2,012 
Chi-cuadrado de Pearson escalado 541,358 269 
Log verosimilitud
b
 -705,462 
Criterio de información de Akaike (AIC) 1424,924 
AIC corregido para muestras finitas (AICC) 1425,341 
Criterio de información bayesiano (BIC) 1450,266 
AIC consistente (CAIC) 1457,266 
Variable dependiente: FC 
Modelo: (Intersección), COBERTURA, PRECIPITAC, INDICE_ANT
a
 
a. Los criterios de información están en forma "mejor cuanto más pequeño". 
b. La función de log-verosimilitud completa se muestra y se utiliza para calcular los 
criterios de información. 
 
 
Tabla 8 -Bondad de ajuste- Zona III 
 
 Valor gl Valor/gl 
Desvianza 1504,631 974 1,545 
Desvianza escalada 1504,631 974 
Chi-cuadrado de Pearson 2453,138 974 2,519 
Chi-cuadrado de Pearson 
escalado 
2453,138 974 
Log verosimilitud
b
 -3723,408 
Criterio de información de 
Akaike (AIC) 
7460,817 
AIC corregido para 
muestras finitas (AICC) 
7460,932 
Criterio de información 
bayesiano (BIC) 
7495,037 
AIC consistente (CAIC) 7502,037 
Variable dependiente: FC 
Modelo: (Intersección), COBERTURA, INDICE_ANT, PRECIPITAC 
a. Los criterios de información están en forma "mejor cuanto más 
pequeño". 
b. La función de log-verosimilitud completa se muestra y se utiliza 
para calcular los criterios de información. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
41 
 
 
La Deviance toma valor cuando se la compara con otro modelo, pero así por si sola 
podemos decir que en el caso de la zona I (Tabla 6) toma un valor de 514 veces la 
diferencia entre el “máximum likelihood” obtenible y el “maximum likelihood” 
retenido por el modelo. 
 
La Chi cuadrado de Pearson es la clásica medida de asociación lineal conocida. Ambas 
medidas de asociación (Deviance y Chi cuadrado de Pearson) presentan una razón entre 
su valor y sus grados de libertad aproximada. En el caso de la zona I este valor es igual 
a 1.1 (valor/gl). Que este valor se aproxime a 1 o sea levemente superior a 1 indica un 
adecuado ajuste para datos de recuento. 
 
En el caso de la zona II (tabla 7) toma un valor de 205 veces la diferencia entre el 
“máximum likelihood” obtenible y el “maximum likelihood” retenido por el modelo. 
La Chi cuadrado de Pearson es la clásica medida de asociación lineal conocida. Ambas 
medidas de asociación (Deviance y Chi cuadrado de Pearson) tienen una razón entre su 
valor y sus grados de libertad aproximado 0.76 (valor/gl). ). Que este valor se aproxime 
a 1 o sea levemente superior a 1 indica un adecuado ajuste para datos de recuento. 
 
En el caso de la zona III (Tabla 8) toma un valor de 974 veces la diferencia entre el 
“máximum likelihood” obtenible y el “maximum likelihood” retenido por el modelo. 
La Chi cuadrado de Pearson es la clásica medida de asociación lineal conocida. Ambas 
medidas de asociación (Deviance y Chi cuadrado de Pearson) tienen una razón entre su 
valor y sus grados de libertad aproximado 1.5 (valor/gl). ). Que este valor se aproxime 
a 1 o sea levemente superior a 1 indica un adecuado ajuste para datos de recuento. 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
42 
RESULTADOS 
 
 
 
Figura 7: Interrelación entre variable de cobertura y focos de calor 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
43 
 
 
 
 
 
 
 Figura 8 Interrelación entre influencia antrópica y focos de calor 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
44 
 
 
 
 
Figura 9. Interrelación entre pendiente y puntos de calor 
 
 
Se observó mediante las imágenes en laboratorio y mediante relevamiento del terreno 
que en la provincia de San Luis la mayor concentración de focos de calor se generan 
sobre la superficie baja del área, cubierta con vegetación de tipo pastizal y bosque 
serrano (Figura 9). 
 
A continuación se muestra el contraste de efectos del modelo para las tres zonas 
respectivamente, compara el modelo ajustado con el modelo conformado con solo la 
intersección. Vemos que el modelo es estadísticamente significativo (P<0.01), es decir, 
al menos uno de los coeficientes calculados para el modelo es estadísticamente 
significativo para los tres casos. 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
45 
 
Tabla 9 - Contrastes de los efectos del modelo – Zona I 
Origen Tipo III 
Chi-cuadrado 
de Wald 
gl Sig. 
(Intersección) 7,725 1 ,005 
cobertura 12,137 6 ,059 
indice_ant 11,723 1 ,001 
precipitac ,250 1 ,617 
Variable dependiente: FC 
Modelo: (Intersección), cobertura, indice_ant, precipitac 
 
La zona I muestra como la variable que tiene mayor probabilidad de influir en la 
ocurrencia de incendios, el índice antrópico. 
 
Tabla 10 - Contrastes de los efectos del modelo – Zona II 
Origen Tipo III 
Chi-cuadrado de 
Wald 
gl Sig. 
(Intersección) 24,763 1 ,000 
COBERTURA 7,617 4 ,107 
PRECIPITAC 15,292 1 ,000 
INDICE_ANT ,322 1 ,570 
Variable dependiente: FC 
Modelo: (Intersección), COBERTURA, PRECIPITAC, 
INDICE_ANT 
 
 
 
 
La zona II, según el contraste considera la variable precipitaciones con mayor 
probabilidad de incidir en la ocurrencia de incendios, lo cual podría ser cierto si lo 
comparamos con la situación climática en la región del II. 
 
 
 
 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
46 
 
 
Tabla 11. Contrastes de los efectos del modelo – Zona III 
Origen Tipo III 
Chi-cuadrado de 
Wald 
gl Sig. 
(Intersección) 48,648 1 ,000 
COBERTURA 87,282 4 ,000 
INDICE_ANT 43,128 1 ,000 
PRECIPITAC 12,461 1 ,000 
Variable dependiente: FC 
Modelo: (Intersección), COBERTURA, INDICE_ANT, 
PRECIPITAC 
 
 
En cambio, para la zona III de parque chaqueño se evidencia una fuerte influencia de las 
variables, índice de influencia antrópico, precipitaciones y cobertura. Según 
investigaciones acerca de la situación del parque Chaqueño podría ser factible, por la 
alta fragmentación del ecosistema, quemas intencionales para el uso del recurso suelo 
en agricultura, el tipo de vegetación, altamente combustible y la situación climática que 
contribuye a la sequía de la zona (Villanueva S. et al, 2015) 
Carrera de Especialización en Teledetección y Sistemas de Información Geográfica 
Aplicados al Estudio del Medio Ambiente 
Universidad Nacional de Luján 
 
 
47 
 
Otro análisis extraído del modelo hace referencia a la variable cobertura en cada zona, 
este es las estimaciones de los parámetros (Tabla 12 / Tabla 13 y Tabla