Inteligencia Territorial frente a la Amenaza de Incendios

Flujo de Trabajo Metodológico (AMC): Una Guía Didáctica para la IUF

Librerías Base para inciar

library(sf)          #Para ver los polígonos y las líneas
library(terra)       # Para leer los ráster
library(dplyr)       # Para manipular los Data frame
library(ggplot2)     # Para hacer mapas bonitos 
library(tidyterra)   # Para manipular nuestros datos y visualizar mapas

# CRS Objetivo (Definirlo en un inicio y utilizarlo en todas las capas)
CRS_OBJETIVO <- "EPSG:32719"

1. El Territorio como un Sistema Complejo

El riesgo de desastres no es un fenómeno puramente natural, sino el resultado de una compleja interacción histórica entre los sistemas físicos y sociales que construyen el territorio. En el contexto actual de crisis climática global, los territorios enfrentan desafíos sin precedentes, donde la expansión urbana no planificada avanza sobre ecosistemas frágiles, generando escenarios de alta conflictividad territorial.Este fenómeno se manifiesta con mayor violencia en la denominada Interfaz Urbano-Forestal (IUF).

En estas zonas de fricción, la naturaleza se convierte en un factor de amenaza latente, exacerbado por procesos locales como la segregación socioespacial. La vulnerabilidad, por tanto, se convierte en la expresión espacial de las desigualdades que empujan a las comunidades a habitar en zonas de peligro.Bajo esta perspectiva, los incendios forestales dejan de ser un evento “fortuito” para comprenderse como un desastre “socioambiental”, donde ya no se trata de variables aisladas o netamente termodinámicas, sino de cómo la gestión del territorio ha generado Trampas de Riesgo que lo transforman en una emergencia social.

Es por esto que, en este estudio, tomaremos como caso de análisis la ciudad de Valparaíso para comprender estas dinámicas y, a través de un Análisis Multicriterio (AMC), proponer una lectura espacial que integre la Amenaza con la Vulnerabilidad.

2. Introducción al Análisis Multicriterio

• Análisis Multicriterio (AMC): Esta es una herramienta estructurada que nos permite tomar decisiones complejas (como qué priorizar en un mapa de riesgo) al sumar y ponderar datos que originalmente no son comparables entre sí (Por ej: Pendiente + Hacinamiento).

El Análisis Multicriterio (AMC): Su objetivo es simple; traducir conceptos abstractos (Amenaza, vulnerabilidad) en un lenguaje que el software pueda comprender y convertir en número y mapas. y se basa en la ecuación fundamental del riesgo:

\[Riesgo = Amenaza \times Vulnerabilidad\]

2.1. Selección de Variables:

La Operacionalización del Riesgo para pasar de la teoría a la práctica, hay que operacionar el riesgo en un conjunto de indicadores medibles. Basándonos en las matrices de datos levantadas para el estudio, clasificamos las variables en dos grandes dimensiones.

-   INFORMACIÓN: Despliega los ítems para conocer las variables

🔥 A. LA AMENAZA (¿DÓNDE GOLPEA EL FUEGO?)

Entendemos la amenaza como la peligrosidad latente (Exposición). Aquí se definen los factores que convierten al paisaje en un elemento activo de riesgo.

Sub-dimensión	Criterio Metodológico (Variable)	Lógica Espacial (“El porqué” de su inclusión)
Amenaza del Terreno	Indicadores de Morfología y Orientación	El modelo debe identificar zonas donde el diseño del relieve acelera la propagación del fuego (“Efecto chimenea”) y maximiza la desecación (Exposición solar).
Amenaza Climática	Indicadores de Estado del Combustible	Mide qué tan seca está la vegetación. En sequía, el modelo debe cuantificar la biomasa disponible para la combustión y el déficit hídrico.
Amenaza Antrópica	Proximidad a Vectores de Ignición	La cartografía debe cuantificar la fricción espacial: la cercanía entre el fuego potencial y la infraestructura humana que actúa como detonante (vías, redes eléctricas).

🏘️B. LA VULNERABILIDAD (¿A QUIÉN DAÑA?)

Representa la incapacidad de resistencia. Aquí es donde se materializa la “Trampa de Riesgo” social, analizando la fragilidad del sistema.

Sub-dimensión	Criterio Metodológico (Variable)	Lógica Espacial (“El porqué” de su inclusión)
Vulnerabilidad Física	Indicadores de Resistencia Constructiva	El modelo debe medir la capacidad de la infraestructura edificada para soportar el impacto térmico antes de colapsar (materiales y estado de conservación).
Vulnerabilidad Social	Indicadores de Dependencia Demográfica	Se cuantifica la concentración de grupos poblacionales con movilidad reducida o alta necesidad de asistencia (niños, adultos mayores) que tienen lentos tiempos de evacuación.
Vulnerabilidad Estructural	Indicadores de Acceso y Respuesta	Mide la capacidad de la red vial para servir simultáneamente como vía de emergencia (entrada de bomberos) y como ruta de evacuación (salida de la población).

2.2 Operacionalización del Riesgo (Técnica)

El Análisis Multicriterio nos obliga a tomar decisiones estratégicas difíciles sobre dónde asignar los recursos de mitigación.

Consideremos dos escenarios hipotéticos en Valparaíso:

• Escenario A (Amenaza Física): Un cerro de alta pendiente (ej: \(35^\circ\) grados) cubierto de pino, donde el fuego se propagará verticalmente a gran velocidad, sin embargo, solo hay 5 viviendas cercanas.

• Escenario B (Vulnerabilidad social): Una quebrada de baja pendiente, pero con alta densidad de viviendas sociales, con alta proporción de población dependiente (niños y ancianos), y una sola vía de evacuación.

Ante el inminente riesgo en la Interfaz Urbano-Forestal (IUF), ¿dónde debe enfocarse la inversión preventiva para evitar el desastre? ¿En la mitigación forestal estructural o en la mejora de la respuesta social y la infraestructura de evacuación?

3. Clasificación y operación

3.1 La Amenaza

En esta etapa, tomamos las mediciones físicas (pendientes, tipos de vegetación) y las convertimos en un índice numérico de peligro para cada polígono del territorio.

3.2 Clasificación del combustible

Definimos una función para asignar un valor de amenaza (1 a 5) a la vegetación según su potencial de combustión. Esto convierte a las especies (datos cualitativos)en un lenguaje matemàtico para trabajar el álgebra de mapas.

# Función para clasificar el catastro vegetacional a un índice 1-5

Clasif_Combustible <- function(uso, especie){
  riesgo_combustible <- c()
  
  for(i in 1:length(uso)){
  texto <- toupper(paste(uso[i], especie[i]))
  if(grepl("PINO", texto) | grepl("EUCALIPTO", texto)){
      valor <- 5
    } else if(grepl("ESPINO", texto) | grepl("MATORRAL", texto)){
      valor <- 4
    } else if(grepl("NATIVO", texto) | grepl("QUILLAY", texto)){
      valor <- 3
    } else if(grepl("CULTIVO", texto) | grepl("PASTIZAL", texto)){
      valor <- 2
    } else {
      valor <- 1
    }
    riesgo_combustible <- c(riesgo_combustible, valor)  #Aquí alamacenamos los resultados de nuestro vector
  }
  
  return(riesgo_combustible)
}

¿Por qué crear una función para este proceso?

La idea de crear una función con ciclo for y condicionales (if/else) es automatizar la asignación, que va a crear una nueva columna de peligro (el índice de 1 a 5) que será directamente operable.

3.2 Clasificación y operación de la vulnerabilidad

Una vez definida la Amenaza, nos enfocamos en la dimensión social. Un incendio en un área despoblada no es un riesgo nulo, sino un riesgo mínimo. El riesgo real se da cuando hay fragilidad social.

Aquí es crucial **construir un indicador social que de cuenta de la fragilidad de la población para resistir, responder o evacuar ante el impacto del fuego.

3.3.1 Los Indicadores:

Estos no son aleatorios; son seleccionados porque reflejan las causas estructurales del desastre en la IUF:

• Vulnerabilidad Física (la materialidad de la Vivienda): Mide la fragilidad de la infraestructura. Una casa de material ligero es el elemento más expuesto en Valparaíso, con alta probabilidad de ignición.

• Vulnerabilidad Social (Población Dependiente y Monoparentalidad): Mide la capacidad de respuesta. Estos grupos tienen tiempos de evacuación mayores, aumentando su exposición al peligro.

3.4 Clasificación de los componentes de las variables.

Este paso finaliza la recolección de datos, identificando todas las variables antes de su ajuste. En este punto, los valores son crudos (Los índices, los porcentajes, etc) y, por lo tanto, aún no son comparables entre sí.

Este proceso se centra en asilar y clasificar la información relevante:

• 1 Aislamiento de la Vulnerabilidad: Limpiamos las hojas de datos para obtener solo las variables que nos interesan (ej. Materialidad, tasa de dependencia, densidad, etc). Estos valores permanecen en sus unidades de origen.

• 2 Clasificación de la Amenaza: Se aplica la función Clasif_combustible a los datos de vegetación y como resultado tenemos el valor de la amanenaza (de 1 a 5) para cada polígono del catastro.

A pesar de que todos los polígonos tienen un valor asignado y tenemos el porcentaje de materialidad, etc., estos datos aún no son compatibles para el Álgebra de Mapas. Para que lo sean y podamos realizar la suma ponderada, es imprescindible el paso de NORMALIZACIÓN.

4. Rasterización y normalización

4.1. Rasterización

El Álgebra de Mapas solo permite operar información en el mismo formato. Dado que la Pendiente y la Distancia son capas Raster, debemos convertir las capas vectoriales (polígonos de vegetación y población) a este mismo formato.

Proceso de Rasterización: Cada polígono de vegetación con su valor ya asignado debe ser proyectado sobre una cuadrícula regular de píxeles. Una vez rasterizadas, todas las variables (Pendiente, Combustible, Materialidad) son ahora capas de píxeles con la misma resolución, listas para el siguiente paso.

4.2 Normalización Min-Max (Estandarización):

La técnica Min-Max toma el valor mínimo (\(min(X)\)) y el valor máximo (\(max(X)\)) de cada variable y los utiliza para forzar todos los valores a la escala adimensional [0, 1].

\[X_{norm} = \frac{X - min(X)}{max(X) - min(X)}\]

Creamos una función también para este proceso

norm_minmax <- function(x) {
  return((x - minmax(x)[1]) / (minmax(x)[2] - minmax(x)[1]))
}

Una vez normalizadas, la Distancia y la Materialidad son finalmente comparables. Esto permite que tu Ponderación Estratégica sea la que defina el riesgo, y no el tamaño aleatorio de las unidades de medida originales.

5. Algebra de mapas

En este paso, se cierran las dos dimensiones (Amenaza y Vulnerabilidad) y se cruzan, resolviendo el dilema estratégico de la IUF.

5.1 Síntesis de la Amenaza y la Vulnerabilidad

Primero, se finalizan los índices compuestos internos de cada dimensión, sumando sus componentes normalizados (\(X_{norm}\)) según una ponderación técnica interna

# 1. suma interna de componentes normalizados en amenaza
AMENAZA_FINAL <- (r_combustible_norm * 0.40) + (r_pendiente_norm * 0.30) + (r_iuf_distancia_norm * 0.30)

# 2. Suma interna de componentes normalizados en Vulnerabilidad
VULNERABILIDAD_TOTAL <- (r_materialidad_norm * 0.3) + (r_densidad_norm * 0.3) + 
                        (r_dependencia_norm * 0.2) + (r_monoparental_norm * 0.2)

5.2 Algebra de Mapas

La Ponderación Estratégica define la importancia relativa de cada dimensión en el mapa final utilizando la ecuación de riesgo:

\[RIESGO = (AMENAZA_{FINAL} \times W_{A}) + (VULNERABILIDAD_{TOTAL} \times W_{V})\]

#Aquí el equipo de planificación define los pesos

w_amenaza <- 0.60
w_vulnerabilidad <- 0.40

# Cálculo final del Riesgo
RIESGO_FINAL <- (AMENAZA_FINAL * w_amenaza) + (VULNERABILIDAD_TOTAL * w_vulnerabilidad)

# Visualización final del mapa de riesgo
plot(RIESGO_FINAL, 
     col=heat.colors(10, rev=TRUE), 
     main="Mapa de Riesgo Bruto (Índice 0 a 1)")