Metodología para identificar áreas prioritarias de restauración post-incendio: estudio del incendio forestal de Sierra Bermeja 2021

Methodology for the identification of priority areas for post-fire restoration: study of the Sierra Bermeja forest fire 2021

Manuel J. Perales-Vallejo

mperales@asajamalaga.com 0000-0002-6567-3957

Asociación Agraria Jóvenes Agricultores (ASAJA), Málaga.

Calle Reñidero, 2. 29700 Vélez-Málaga (Málaga), España.

Paloma Hueso-González

phueso@uma.es 0000-0002-2554-0041

José Damián Ruiz-Sinoga

sinoga@uma.es 0000-0002-2303-0881

Departamento de Geografía. Instituto Universitario Hábitat, Territorio y Digitalización.

Edificio de Investigación Ada Byron (Módulo B). Calle arquitecto Francisco Peñalosa, 18. Facultad de Filosofía y Letras,
Ampliación Campus Teatinos, Universidad de Málaga. 29590 Málaga, España.

1. INTRODUCCIÓN

En la actualidad, se evidencian condiciones climáticas desfavorables que aumentan el riesgo de incendios forestales en el sur peninsular y en el área mediterránea (Moreno et al., 2015). A pesar de la presencia de sistemas de extinción eficaces en España, anualmente estos medios se enfrentan a incendios prácticamente incontrolables, conocidos como GIFs (Grandes Incendios forestales), que abarcan áreas superiores a 500 hectáreas quemadas (Aznar, 2013). Por ejemplo, entre 1961 y 2011, Andalucía ha experimentado más de 200 de estos grandes incendios, siendo la provincia de Málaga especialmente afectada con más de 400.000 hectáreas calcinadas (Araque, 2013). Estas cifras subrayan la vulnerabilidad de la región frente a incendios de gran magnitud, a pesar de los esfuerzos implementados en sistemas de extinción.

Asimismo, es esencial tener en cuenta que las repercusiones post-incendio (problemas hidrológicos, arrastre de sedimentos, avalanchas y corrimientos de lodos, etc.) pueden ser, en ocasiones, aún más destructivas que el propio suceso incendiario (Lachowski et al., 1997). En consecuencia, resulta preocupante el riesgo que enfrentan los suelos de las regiones mediterráneas más áridas, ya que estos ecosistemas experimentan una marcada variabilidad estacional (Cortina et al., 2004). Esta situación puede resultar en la disminución de la fertilidad, la productividad y, en última instancia, la desertificación, especialmente en los ecosistemas forestales mediterráneos, donde las tasas de regeneración del suelo son mínimas (De Alba et al., 2003; García-Morote et al., 2015). Por consiguiente, es crucial planificar acciones forestales para restaurar la cobertura protectora del ecosistema y prevenir pérdidas significativas de suelo que podrían obstaculizar la regeneración natural (Ruíz-Gallardo et al., 2009).

No obstante, no toda la extensión impactada por el fuego exhibe una vulnerabilidad uniforme ante sus efectos. En realidad, los ecosistemas suelen estar adaptados para una recolonización, e incluso, pueden favorecer a determinadas especies (Turner & Romme, 1994; Bond & Keeley, 2005; Pausas & Keley, 2009). Por ende, habrá zonas en las que, por sus especiales características, las pérdidas de suelo serán mayores y la recolonización vegetal se verá dificultada (Ruíz-Gallardo et al., 2009). En este contexto, las técnicas de restauración post-incendio pueden mitigar la erosión y la degradación del suelo (Mintegui-Aguirre & López-Unzu, 1990), destacando la importancia de una evaluación precisa de la resiliencia de la vegetación tras el incendio. La urgencia de una gestión sostenible resalta la necesidad de identificar con precisión las áreas prioritarias de actuación, especialmente las vulnerables (García-Morote et al., 2015).

Tras un incendio forestal, se desencadena una respuesta compleja en los suelos y la vegetación, la cual está influenciada por la severidad e intensidad del fuego, así como por las características propias del ecosistema (Mataix-Solera & Cerdá, 2009). Por tanto, en este estudio, se considerará la severidad del incendio, el impacto y evolución de la vegetación, así como los efectos en los suelos y la erosión para definir las zonas de actuación. La determinación de la severidad del fuego es esencial para evaluar el riesgo de erosión en áreas afectadas. Anteriormente, este proceso se realizaba manualmente desde helicópteros o con fotografías aéreas, pero en la actualidad, se emplea el análisis de imágenes satelitales (Ruíz-Gallardo, 2004; Ramos-Zugiña, 2023). De manera similar, la evaluación de la vegetación se ha vuelto más eficiente mediante el uso de índices normalizados en imágenes satelitales, como el NDVI (Cabezas-Martín, 2020; Ibnousaih, 2021, Chura-Rayo, 2023). Por otro lado, para predecir la erosión y escorrentía superficial de los suelos, se utilizan varias técnicas, pero destaca el uso del modelo USLE/RUSLE implementado en la herramienta SIG (Sistema de Información Geográfica) para cuantificar y comparar los riesgos de erosión del suelo pre y post-incendio (Depountis et al., 2020; Yang et al., 2020; Valkanou et al., 2022; Gallegos-Reina, 2023; Mastrolonardo et al., 2024).

Por ello, en este trabajo se aplica una metodología basada en técnicas de teledetección, muestreo y analítica de suelos, y modelos de erosión integrados en un entorno SIG, con el principal propósito de realizar una propuesta de zonas de actuación prioritarias para el gran incendio forestal de Sierra Bermeja producido en el año 2021. Esto posibilita, en primer lugar, (i) evaluar los efectos posteriores al incendio, incluyendo el riesgo de erosión y la capacidad de regeneración, y luego (ii) identificar las áreas específicas donde actuar. Además, se pretende que la propuesta sea extrapolable a otros eventos similares, adaptándose a las particularidades de cada caso, así pues, se fundamenta en elementos fácilmente accesibles.

2. ÁREA DE ESTUDIO

El ámbito de estudio se encuadra en el incendio forestal (IF) producido el 8 de septiembre del 2021 en Sierra Bermeja (figura 1). Este sistema montañoso se ubica al suroeste de la provincia de Málaga, entre las comarcas de la Costa del Sol Occidental y la Serranía de Ronda. En particular, el IF afectó a un total de 9.640 hectáreas, de las cuales 8.401 hectáreas se encontraban dentro del límite de lo que se considera Sierra Bermeja; el resto de las zonas afectadas se ubicaban en el ZEC del Valle del Genal y las áreas periurbanas de Estepona. Además, es importante señalar que cumplió con las características propias de un incendio de sexta generación, con la conformación de hasta tres pirocúmulos, lo que dificultó la extinción y aumentó el riesgo para las poblaciones circundantes. De igual modo, el IF representó aproximadamente el 60% de la superficie quemada en toda la región de Andalucía en el año 2021.

La demarcación afectada por el IF se encuentra al oeste de Sierra Bermeja, en la cadena montañosa del Arroyo Horcajo y de Los Reales, una zona donde se encuentran unas cimas superiores a los 1.000 m.s.n.m, destacándose el pico de Los Reales (1.452 m) (figura 1). Presenta una topografía caracterizada por una serie de pendientes muy abruptas, en muchos casos superiores al 50%, y unos valles encajados con formas paralelas (Gómez-Moreno, 1989; Gómez-Zotano, 2003). Desde el punto de vista geológico, el área afectada por el IF se ubica en el sector interno de las Cordilleras Béticas, más específicamente en el Sistema Penibético. Conformado mayormente por materiales pertenecientes al complejo Alpujárride (Castillo, 2014), destacando la existencia de un gran afloramiento de materiales ultramáficos (peridotitas y serpentinitas), y, en menor medida, sedimentarios y metamórficos. La coloración rojiza distintiva de Sierra Bermeja se atribuye a la descomposición terrosa de los materiales ultramáficos, un fenómeno conocido como serpentinización que, a su vez, da nombre a este macizo montañoso. Además, se ponen en relieve procesos geomorfológicos relacionados con el viento, el frío y la lluvia, estos fenómenos producen unos modelados caracterizados por la erosión hídrica, fluvial y de vertientes. Por lo que, se observa un relieve con saltos de aguas y cascadas, y el encaje de ríos y arroyos sobre las laderas conformando valles paralelos y encajados (Zotano, 2014).

En Sierra Bermeja, la interrelación de las condiciones climáticas, litológicas y ambientales desencadenan procesos químicos en los suelos, destacándose la meteorización de las peridotitas que conduce al proceso de serpentinización, del que participa más del 70% de la superficie afectada por el incendio. Estos sustratos presentan riqueza en arcillas debido a la meteorización del olivino, baja cantidad de cationes básicos, carencia de nutrientes esenciales y un elevado contenido de materiales pesados. En consecuencia, exhiben un carácter xerófilo y tóxico, generando una marcada susceptibilidad a la erosión (Yusta et al., 1985; Aguilar et al., 1997; Rufo et al., 2005; Mota et al., 2008; Garrido et al., 2014).

Las singulares características edáficas y litológicas han ocasionado una evidente influencia en la composición florística y faunística del área, albergando aproximadamente 40 especies endémicas. De las cuales, 24 especies endémicas han aparecido debido a los fenómenos vinculados con la serpentinización. Este hecho, ha llevado a la identificación de un subsector fitogeográfico único conocido como el “Subsector Bermejense” y que ha provocado la exclusión de la mayoría de las formaciones mediterráneas circundantes (Nieto et al., 1991; Alba et al., 2010; Hidalgo-Triana & Pérez-Latorre, 2016). Destacan las formaciones de Pinus pinaster var. acutisquama Boiss sobre peridotitas que son sustituidos en altitud por el único pinsapar ultramáfico del mundo (Bunio macucae-Abietetum pinsapi) (Rivas, 1974, 1979; Nieto et al., 1991; Pérez-Latorre et al., 2013 y 2014; Gómez-Zotano et al., 2014).

Finalmente, las especiales características edafológicas y litológicas han actuado como factor limitante para la actividad humana y agraria. A pesar de ello, su excelente ubicación geográfica no ha impedido la presencia de diversas civilizaciones a lo largo de la historia. Durante los siglos XVIII y XIX, adquirieron suma importancia las actividades relacionadas con la extracción de madera, resina y carbón vegetal. Sin embargo, la introducción del turismo a mediados del siglo XX provocó el abandono de estas actividades y la recuperación de la superficie vegetal (Gómez-Zotano, 2003). Este cambio ha propiciado un aumento de los incendios forestales, en ciertas ocasiones, de considerable magnitud.

3. MATERIALES Y MÉTODOS

3.1. Tratamiento de datos cartográficos y satelitales

Para el estudio se utilizaron capas vectoriales procedentes de la base de datos “Red de Información Ambiental de Andalucía” (REDIAM, Junta de Andalucía) y los Datos Espaciales de Referencia de Andalucía (DERA, Junta de Andalucía), para obtener información cartográfica sobre la situación geografía y características topográficas del área de estudio.

De igual modo, se ha empleado imágenes satelitales para detectar la severidad del incendio, los efectos y regeneración temprana de la cubierta vegetal de área incendiada. Las imágenes seleccionadas para este estudio fueron tomadas en 19/08/2021, 04/11/2021, 02/03/2022, 26/05/2022, 09/08/2022, 22/11/2022, 23/03/2023 y 06/05/2023. Las dos primeras imágenes satelitales fueron escogidas lo más cercana posible a la ocurrencia del incendio, buscando minimizar las diferencias de ángulo solar y fenología (Arellano et al. 2017). Por lo tanto, la imagen pre-incendio se escogió dos semanas antes que se produjera el GIF y la post-incendio 11 días después de declararse extinto. En cambio, las imágenes de los años 2022 y 2023 fueron seleccionadas para realizar una comparación y analizar cómo ha evolucionado la superficie quemada a corto plazo. Se ha trabajado, como mínimo, con una imagen satelital por etapa estacional, buscando evitar problemas fenológicos. Por ello, se planteó realizar un mosaico multitemporal y tratar las imágenes que tuvieran una influencia escasa o nula de la atmósfera (Stoffels et al., 2016).

Se optó por extraer imágenes procedentes del satélite Sentinel-2A, que se encuentran ofertadas por la plataforma de “Copernicus Open Access Hub”, y se obtuvieron con un nivel 2A de procesamiento (BOA, Bottom of Atmosphere), es decir, corregidas frente a los efectos atmosféricos y ubicándose los valores de reflectancia en la parte inferior de la atmósfera. Dado que el ámbito de estudio queda dividido en dos imágenes satelitales diferentes se aplicó un proceso de unión de imágenes con el software ArcGIS 10.8.2 (Licencia corporativa de la Universidad de Málaga), mediante la herramienta ‘Mosaico’ para más tarde aplicar los índices espectrales a través de “Calculate Raster”. Estos índices han sido el índice ΔNBR (severidad) y el índice Normalizado de Vegetación (NDVI) obtenidos mediante las ecuaciones mostradas en la tabla 1.

Se utilizó el Índice Normalizado de Vegetación para evaluar la vegetación en el área de estudio mediante la respuesta espectral en infrarrojo cercano y rojo (Bisquert, 2011). El índice ΔNBR se empleó para evaluar las zonas afectadas por el incendio, utilizando infrarrojo de onda corta e infrarrojo cercano (Karl, 2001). La severidad del incendio de 2021 se determinó a través del índice de severidad, ajustado con trabajo de campo y una categorización espacial detallada según Lozano & Jiménez-Pinilla, 2013.

Finalmente, los intervalos de severidad empelados para representar el índice de área quemada ΔNBR son similares a los ofrecidos por el Servicio Geológico de Estados Unidos. Pese a que, los valores que se han empleado se encuentran condicionados por las características específicas de Estados Unidos, estos han sido estudiados en determinadas ocasiones en España, ofreciendo unos resultados acordes en la interpretación de la severidad post-incendio (Escuín et al., 2008; Martínez & Pérez-Caballero, 2015; Guillem-Cogollos et al., 2017).

3.2. Evaluación del estado edafológico

Teniendo en cuenta que los puntos de muestreo debían ser representativos y comparables de toda el área afectada por el GIF, las diferentes muestras de suelo se recogieron a partir de la delimitación territorial previa de los diferentes grados de severidad del incendio. De tal modo que, se han obtenido un total de 110 muestras superficiales de suelo, 35 muestras pre-incendio (año 2020) y 75 muestras post-incendio (25 por cada grado de severidad), recogidas entre enero y abril de 2022, con una profundidad de entre 0 y 10 centímetros. Asimismo, los principales grados de severidad diferenciados han sido los siguientes (Lozano & Jiménez-Pinilla, 2013):

• Sin afección: Suelo y vegetación no alterada por el fuego del incendio.
• Severidad baja y baja-moderada: Copas de árboles con hojas verdes, pero el tronco y su base afectados. Hojarascas, musgos y hierbas carbonizados o consumidos. Horizonte orgánico del suelo con afección.
• Severidad moderada-alta y alta: Gran parte de la copa de los árboles muertas y hojas consumidas. Sotobosque, hojarasca, y horizontes orgánicos carbonizados o consumidos. Horizonte orgánico del suelo consumidos e incluso depositados a varios centímetros de profundidad.

Igualmente, para cada muestra se extrajo dos porciones de suelos, por un lado, una inalterada (dos cilindros de 100 cm³) y, por otro lado, una alterada (1 kilogramo aproximadamente). Las muestras de suelos se secaron al aire en laboratorio, después fueron tamizadas a 2 mm para separar la fracción fina de la gruesa. Las propiedades edáficas que se analizaron se corresponden con carbono orgánico (Método de calcinación; Guitián & Carballas, 1976), pH y conductividad eléctrica (solución suelo-agua desionizada (1:1) usando una solución tampón Crisol Micro CM 2200 y Crisol GLP 21, para conductividad y pH, respectivamente; Guitián & Carballas, 1976), estabilidad estructural (Método de tamizado en húmedo de Wet-Sieving; Kempler & Rosenau, 1986), porosidad (Relación entre volumen de poros y volumen total por picnometría; Van-Reeuwijk, 2002) y textura (Protocolo de tamización y sedimentación con Mastersizer 3000; Marañés et al., 1994).

Las diferencias estadísticamente significativas de las propiedades edáficas se han determinado utilizando el análisis de varianza (ANOVA). Indistintamente, el supuesto de homocedasticidad fue comprobado usando la prueba de Levene. Las diferencias entre los diversos grados de afección del suelo se determinaron mediante la prueba de Tukey. Durante todo el análisis, se estableció el límite de significancia p-valor≤0,05. Además, los análisis se realizaron mediante Paquete Estadístico para la Ciencias Sociales (SPSS, versión 28) para Windows.

3.3. Cálculo y análisis de las tasas de pérdidas de suelo anuales

En este estudio, se estimaron las pérdidas anuales de suelo (t ha-1 año-1) utilizando la Ecuación Universal Revisada de Pérdida de Suelo (RUSLE), un modelo ampliamente utilizado en investigaciones ambientales contemporáneas (Ghosal & Das Bhattacharya, 2020). La ecuación correspondiente se define de la siguiente manera:

A = R * K * LS * C * P

En la ecuación, “A” representa la tasa de erosión del suelo, expresada en toneladas métricas por hectárea (t/ha-1). Esta formulación integra la erosividad de la lluvia (R), la erosionabilidad del suelo (K), la longitud de la pendiente (LS), el grado de cobertura vegetal (C), y las prácticas de conservación del suelo (P).

La aplicación de esta permite una evaluación más precisa de los riesgos de erosión y facilita la implementación de medidas preventivas para la conservación del suelo (Ganasri & Ramesh, 2016). En esta investigación, se han estimado las pérdidas de suelo, tanto antes del incendio (2021) como después del mismo (2023), con el objetivo de evaluar los impactos del fuego en el proceso de erosión. Asimismo, se identificarán las áreas con una elevada susceptibilidad a experimentar procesos erosivos severos (> 150 t h-1año-1).

• Factor R

  El factor R representa la capacidad de la lluvia para erosionar el suelo (Mj ha-1 mm-1 año-1) (Wischmeier, 1959; Wischmeier & Smith, 1978). En este caso, el valor no ha sido calculado, sino extraído de la base de datos REDIAM (Junta de Andalucía). Para su determinación, se utilizaron datos con una periodicidad de 26 años (1992-2018). Además, se han implementado mejoras en el método, como el aumento de la resolución a 25 metros por píxel, con el objetivo de aumentar la precisión en la estimación de la erosividad de las precipitaciones.

• Factor K

  La erosionabilidad del suelo (K) evalúa la propensión del suelo al desprendimiento de partículas y su vulnerabilidad al transporte (Mg J-1) (Chuma et al., 2021). La metodología empleada se basa en los datos recopilados de las propiedades del suelo en el área de estudio, con 35 muestras pre-incendio y 75 post-incendio. Estas propiedades fueron medidas en el laboratorio mediante las técnicas anteriormente mencionadas, y se ha calculado de acuerdo con Wischmeier & Smith (1978), a través de la siguiente formulación:

  K = Fcsand * Fsi — cl* Forgc * Fhisand* 0.1317

  Donde,





En la ecuación, SAN, SIL y CLA representan los porcentajes de tamaños de partículas del suelo (arena, limo y arcilla). C se refiere al contenido de carbono orgánico, mientras que SN1 se calcula con el valor de arena restado a 1 y dividido por 100. Los valores finales se determinaron mediante la técnica de interpolación conocida como “Kriging simple”. Esta metodología, empleada por la Junta de Castilla y León (2023), se aplicó utilizando el software de ArcMap.

• Factor LS

  El factor LS, considerado uno de los elementos más cruciales en la modelación de la erosión (Morgan, 2009), comprende los subfactores topográficos L y S, empleados para evaluar la capacidad de carga de la escorrentía (Chuma et al., 2021). Se ha desarrollado mediante el Modelo Digital de Elevaciones con una resolución de 5 metros (IGN, 2023). Del mismo modo, la formulación empleada sigue la metodología establecida por Moore y Burch (1986).

LS = (Flow accumulation * cell size⁄22,13)0,4 · [(sin slope ⁄ 0,0896) 〗^1,3

Así, LS es el resultado de multiplicar la longitud de la pendiente por la inclinación de la misma. “Flow accumulation” se refiere al área que contribuye a un píxel específico. El tamaño de celda (Cell Size) representa el tamaño del píxel en el Modelo Digital del Terreno (MDE), que en este caso es de 5 metros. Por último, “Sin slope” indica el seno de la pendiente expresada en grados.

• Factor C

  El factor C, representa la influencia de la cobertura vegetal y la biomasa del subsuelo en la erosión del suelo (Chuma et al., 2021). En este caso, se ha modelado utilizando el Índice Normalizado de Vegetación (NDVI) (Karydas et al., 2012; Khademalrasoul & Amerikhah, 2021), a través de la ecuación propuesta por Van der Knijff et al. (2000):

  C = e(-α((NDVI)/(β-NDVI)

  Los parámetros α y β son adimensionales, ya que determina la distribución de la curva espectral asociada al NDVI y al factor C. Se optó por seleccionar los valores α=2 y β=1 para estos parámetros, considerándolos los más apropiados para las condiciones climáticas de Sierra Bermeja (Van der Knijff et al., 2000). Las imágenes satelitales empleadas pertenecen a las fechas 19/08/2021 y 23/03/2023, el proceso de cálculo y procesamiento fue mostrado en el apartado 3.1.

• Factor P

  El factor P representa las prácticas de control que inciden en la reducción del potencial de erosión de la escorrentía, abordando elementos como los patrones de drenaje, la concentración de la escorrentía, la velocidad y las fuerzas hidráulicas que afectan al suelo. Este factor varía de 0 a 1, donde un valor cercano a 0 indica una práctica de conservación efectiva, mientras que un valor cercano a 1 señala una práctica deficiente (Depountis et al., 2020).

  En la zona afectada de Sierra Bermeja, las prácticas de conservación son inexistentes, por lo que se asignó un valor de 1 al factor P. Esto se debe a que la mayor parte del área de estudio está cubierta por bosques y vegetación menor. Por tanto, la representación del factor P ha sido omitida debido a la falta de valores representativos, siguiendo la misma decisión adoptada por Ganasri & Ramesh (2016).

3.4. Identificación de zonas prioritarias de actuación.

Una vez completada la evaluación de los impactos post-incendio, centrada en la severidad y los cambios en las propiedades edáficas, la ausencia de cubierta vegetal y la vulnerabilidad a la erosión del suelo, se identificaron las áreas prioritarias de actuación (figura 2). Este enfoque estratégico permitirá abordar de manera efectiva los efectos post-incendio, actuando con rapidez y precisión en situaciones críticas, conforme a los principios científicos que rigen la gestión de áreas afectadas por incendios forestales (Alloza et al., 2014).

Se ha empleado la herramienta “Calculate Raster” en el software ArcMap para realizar el cálculo, utilizando la combinación de los índices ΔNBR y NDVI, junto con la estimación de pérdida de suelos post-incendio. En el caso de los índices, se ha llevado a cabo la inversión de sus valores con el objetivo de obtener medidas que resalten las áreas con baja severidad y vegetación, respectivamente. Las cifras del NDVI se han calculado a partir de valores medios correspondientes al total de las imágenes analizadas en el mosaico multitemporal.

El resultado final se determina al identificar aquellas zonas de atención prioritaria, es decir, las zonas vulnerables, que presentan un valor superior a 180. Es importante destacar que este valor se ha adaptado a las condiciones específicas de Sierra Bermeja. Este enfoque proporciona información crucial para la identificación y gestión de áreas afectadas, priorizando aquellas que requieren atención inmediata debido a la severidad de los cambios detectados en los índices y modelos analizados.



4. RESULTADOS

4.1. Delimitación de la severidad del incendio (ΔNBR)

Atendiendo a los resultados del ΔNBR, el GIF de Sierra Bermeja del 2021 revela diferencias en la severidad del incendio que son dependientes de la zona analizada (figura 3). Así, en las laderas cercanas al arroyo del Infierno y el Horno de los Almárgenes, los valores de ΔNBR fueron próximos al 0,69 lo que atendiendo a la clasificación propuesta por Lozano & Jiménez-Pinilla (2013) es indicativo de que la severidad del fuego fue muy alta (ΔNBR > 0,66). Otras zonas catalogadas con severidad muy alta incluyen las vertientes entre los ríos Castor y Velerín, Minas de San Manuel, Cerro del Águila y sureste del Canalizo alcanzando valores de ΔNBR superiores a 0,66.

El análisis reveló que las áreas afectadas por una severidad alta del incendio (ΔNBR = 0,44-0,66) comprenden aproximadamente el 57% del territorio quemado (figura 3). Este resultado se atribuye en gran medida a la alta inflamabilidad de las pináceas y a la rápida propagación del fuego, así como a la alta combustibilidad del matorral mediterráneo durante el verano. Por otro lado, las áreas de severidad baja-moderada y muy baja (ΔNBR = -0,25-0,44) representan alrededor del 36% del territorio, destacándose en sectores específicos como la Laja de los Lucios, Horno de los Almárgenes, arroyo del Quejigal, pico Anícola y Jardón, y áreas centrales de Los Reales de Sierra Bermeja. Las demarcaciones sin afectación (ΔNBR = < -0,25) son limitadas en extensión (7,3% del territorio quemado), lo que indica la amplia propagación del incendio y su impacto generalizado (figura 3). La heterogeneidad en los resultados subraya la necesidad de abordar la gestión en aquellas que han sido identificadas como áreas vulnerables.

Finalmente, en el Paraje Natural de los Reales de Sierra Bermeja, aproximadamente el 37% del territorio permanece inalterado después del incendio, mientras que el 63% ha experimentado impactos significativos, especialmente en áreas de alto valor paisajístico y botánico, con severidad alta y moderada-alta (figura 3). Aunque el 10% de los pinsapos se vio afectado, el pinsapar en la vertiente noreste permaneció sin daños.



4.2. Cambios en las propiedades del suelo en base a la severidad del incendio

La tabla 2 muestra los valores obtenidos en las propiedades indicadoras de salud del suelo tres meses después del IF y su significancia respecto a áreas no quemadas.

Tabla 2. Análisis de las propiedades edáficas del gran incendio forestal 2021.

Propiedades	Severidad	Unidad de Medida	Media	D.E
Carbono orgánico	Sin afección	%	5,69	0,42
	Baja y baja-moderada		6,00	0,31
	Moderada-alta y alta		3,51*	0,34
pH	Sin afección	%	6,71	0,04
	Baja y baja-moderada		6,91*	0,10
	Moderada-alta y alta		7,18	0,06
Conductividad	Sin afección	µS/cm	73,34	6,77
	Baja y baja-moderada		105,17*	11,65
	Moderada-alta y alta		134,2*	9,43
Estabilidad de agregados	Sin afección	%	93,47	0,52
	Baja y baja-moderada		86,39*	0,46
	Moderada-alta y alta		80,85*	1,01
Porosidad	Sin afección	%	51,11	1,08
	Baja y baja-moderada		54,72*	0,81
	Moderada-alta y alta		59,45*	1,01
Arenas	Sin afección	%	46,59	0,69
	Baja y baja-moderada		50,88*	1,16
	Moderada-alta y alta		54,75*	1,65
Limos	Sin afección	%	39,07	1,06
	Baja y baja-moderada		42,89*	0,92
	Moderada-alta y alta		42,35*	0,91
Arcillas	Sin afección	%	14,34	0,57
	Baja y baja-moderada		6,23*	1,11
	Moderada-alta y alta		2,90*	1,03

Leyenda: *Indica diferencias significativas con respecto a las muestras de suelos de áreas no quemadas (p < 0,05). Fuente: elaboración propia.

Los resultados del muestreo indican un aumento significativo carbono orgánico en las zonas con afección alta con respecto a las áreas sin afección fue de 3,75% y 3,51%, respectivamente. Sin embargo, un análisis (pruebas de Games-Howell y Tukey) indicó que no hubo diferencias significativas en las demarcaciones con escasa severidad (tabla 2), aunque aumentaron. Del mismo modo, ha sucedido con los valores severidad alta y media-alta en las propiedades de pH (0,20% y 0,47%, respectivamente) y conductividad (31,43 µS/cm y 60,46 µS/cm, respectivamente) con respecto a las muestras control, con un aumento significativo de sus valores, con un p-valor de 0,02.

La estabilidad estructural de los agregados de 0,25 mm disminuyó significativamente, especialmente en áreas de alta severidad (-12,62%) y moderada-baja/baja (-7,08%), con un p-valor de 0,04. Por el contrario, se observa un aumento significativo en la porosidad del suelo, alcanzando un porcentaje del 54,72% en áreas con escasa afectación y del 59,45% en zonas de alta severidad. Además, se observó un cambio significativo en la textura del suelo con una disminución en la proporción de partículas de arcilla y un aumento en las fracciones más gruesas (arenas y limos), siendo más pronunciado en áreas de alta severidad.

4.2. Efectos y regeneración temprana de la cubierta vegetal (NDVI)

4.2.1. Grado de afección de la cubierta vegetal

Antes del incendio (19/08/2021), la imagen satelital mostraba una actividad fotosintética que se encontraba por encima del nivel medio-alto (NDVI > 0,25), ocupando aproximadamente un 91% de la superficie total (figura 4).

Tras el incendio, las coberturas experimentaron una completa transformación, con una reducción del 50% en las cifras de actividad media-alta. Como consecuencia, posterior al incendio, solo el 13,18% de la superficie presentó un NDVI en las categorías media o alta, en comparación con el 91% anterior al GIF. Es notable que las áreas más afectadas se caracterizaron inicialmente por una actividad vegetativa media (color amarillento), y experimentaron una importante disminución alcanzando niveles de actividad bajos o muy bajos (tonalidad anaranjada y rojiza). Además, estos últimos valores ocuparon el 87% de la superficie afectada.



En definitiva, se infiere que la cubierta vegetal con actividad fotosintética media-baja sufrió una mayor afectación por el incendio, atribuible a su menor contenido de humedad, lo que propició una ignición de mayor intensidad. Esta circunstancia contribuyó al deterioro más pronunciado de estas áreas durante el evento incendiario. La totalidad de estos hallazgos evidencia una transformación radical en la cubierta vegetal de Sierra Bermeja, revelando la práctica anulación de su vigor en áreas específicas.

4.2.2. Evolución a corto plazo de la cubierta vegetal

Los valores de actividad fotosintética obtenidos durante el análisis multitemporal realizado a nivel estacional (tabla 3) revelan patrones de interés. Se puede observar que en el mes previo al incendio (agosto del 2021), se registraron los valores promedio más elevados de este índice (0,42), a pesar de ser una etapa estival. Durante el período del incendio y en su posterioridad, se produjo una marcada disminución en los valores promedio de NDVI, registrando una reducción del 73,8% en noviembre de 2021 y del 78,57% en marzo de 2022. A medida que transcurrieron los meses posteriores al incendio, se observó una tendencia ascendente en los valores de NDVI desde marzo de 2022 hasta mayo de 2023. Aunque estos valores no lograron alcanzar los niveles previos al incendio.

Tabla 3. Valores medios y desviación estándar (D.E) del NDVI en el análisis multitemporal del GIF de Sierra Bermeja (2021).

Eventos	Fecha de adquisición	Media	D.E
Pre-incendio	19/08/2021	0,42	0,12
Incendio	04/11/2021	0,11	0,13
Post-incendio	02/03/2022	0,09	0,06
Post-incendio	26/05/2022	0,16	0,08
Post-incendio	09/08/2022	0,12	0,06
Post-incendio	22/11/2022	0,14	0,06
Post-incendio	23/03/2023	0,17	0,05
Post-incendio	06/05/2023	0,19	0,07

Fuente: elaboración propia a partir de imágenes satelitales obtenidas de Copernicus (Sentinel-2A).

Al segmentar las imágenes en cuatro grupos estacionales (tabla 3 y figura 5), se evidenció una disminución en la actividad fenológica durante el otoño de 2021 (0,11±0,13) y el invierno de 2022 (0,09±0,06), aunque en el año siguiente se observa un ligero aumento (0,14±0,06 y 0,17±0,05, respectivamente). Por tanto, en las imágenes post-incendio se origina una notable disminución en la actividad vegetativa (noviembre 2021 y marzo 2022), especialmente durante los meses subsiguientes hasta el invierno. Lo mismo sucede en las fechas de mayo de 2022 y 2023, donde se registraron los valores promedio más altos de NDVI post-incendio (0,16±0,08 y 0,19±0,07, respectivamente). Sin embargo, en las demás fechas posteriores al incendio, correspondientes al verano y al otoño (22 de noviembre de 2022), se observó una cierta estabilidad en los promedios de NDVI, con valores cercanos a 0,12±0,06 y 0,14±0,06. Estas cifras se encuentran significativamente por debajo de la media pre-incendio, aunque muestran una leve tendencia a la mejora en comparación con las imágenes del año anterior.



Para finalizar, las mayores recuperaciones naturales se están focalizando en las áreas del norte y noroeste (términos municipales de Jubrique y Genalguacil), así como en el sureste del área de estudio. Estas zonas están caracterizadas por la presencia predominante de formaciones de matorral con especies de quercíneas y matorrales dispersos con presencia de arbóreas (frondosas).

4.4. Estimación de pérdida de suelo a causa del GIF de Sierra Bermeja 2021 (RUSLE)

El resultado de la aplicación de cada uno de los factores RUSLE aparece recogido en la figura 6, mientras que, la combinación de estos y el resultado del modelo en toneladas por hectárea y año, en la figura 7.

El factor R se corresponde con el valor medio de los últimos 26 años y alcanza su valor máximo de 2,400 MJ ha-1 mm-1 año-1 en el sector septentrional, evidenciando una clara degradación de oeste a este. El factor topográfico (LS) exhibe valores máximos (68) en áreas con pronunciados desniveles, principalmente en las laderas que rodean Los Reales de Sierra Bermeja. En el factor C, la cartografía pre-incendio revela valores más bajos en áreas cercanas a Jubrique y demarcaciones al noreste, afectadas por incendios anteriores, con vegetación esclerófila y mayor influencia humana. Tras el incendio, se observan cambios significativos, concentrándose los valores más bajos en las zonas con mayor severidad y afección. Finalmente, el factor K presenta una degradación altitudinal en los valores pre-incendio de erodabilidad del suelo. No obstante, los valores post-incendio revelan un aumento significativo del 0.05% en los niveles de erosión, siendo más pronunciados al oeste del pico Anícola y Horno de los Almárgenes.





Previo al incendio, se registraron valores máximos de erosión de aproximadamente 181,42 t h-1año-1 en Sierra Bermeja. Pero, en la estimación post-incendio se observó un aumento significativo del 47,5%, alcanzando los 381,44 t h-1año-1. Cerca del 60,1% del área presentaba niveles de erosión inferiores a 25 t h-1año-1 antes del incendio, reduciéndose drásticamente al 2,33% después del evento, reflejando una disminución del 57,77%. Las áreas con erosión entre 25 y 50 t h-1año-1 también experimentaron una reducción del 21,88%. Asimismo, se evidenció un incremento significativo en las categorías de erosión (figura 7) de 50-100 t h-1año-1 (17,57%), 100-150 t h-1año-1 (41,2%) y valores superiores a 150 t h-1año-1 (20,89%). Específicamente, las principales demarcaciones que reflejan graves problemas de erosión discurren desde el Horno de los Almárgenes hasta las laderas próximas al pico Canalizo (figura 5 y 6).

4.5. Identificación de las áreas de atención prioritaria

Los resultados de la combinación de los índices satelitales y el método RUSLE (figura 8) ha permitido la identificación de aquellas zonas vulnerables, es decir, superiores al valor 180. Se han identificado un total de tres áreas prioritarias: (zona 1) laderas ubicadas entre el arroyo del Infierno y el Horno de los Almárgenes, (zona 2) sectores situados en las inmediaciones del puerto de Peña Blancas y el pico del Alto Porrejón, y (zona 3) entono del Canalizo.



La Zona 1 enfrenta una situación crítica, siendo el área con mayor severidad (0,69), evidenciando cambios significativos en propiedades del suelo (tabla 2), fuerte impacto en la vegetación y recuperación limitada (figura 5), con pérdidas de suelo superiores a 150 t h-1año-1 (figura 7). Las zonas 2 y 3, aunque muestran valores menores de severidad, también presentan importantes problemas de erosión, suelos y cubierta vegetal. Por ello, sería crucial intervenir y abordar estos problemas en estas delimitaciones que ofrecen valores superiores a 180.

5. DISCUSIÓN Y CONCLUSIONES

Los resultados de este estudio demuestran cómo la severidad del fuego desempeña un papel crucial en la identificación de las zonas prioritarias de actuación. Se encontró que la erosión del suelo está directamente relacionada con los valores de ANBR identificados (figura 3). En la misma línea están los resultados del estudio de Sanz (2017). En Sierra Bermeja, las zonas de alta severidad se asociaron con la completa remoción de la vegetación (figuras 4 y 5), cambios significativos en las propiedades del suelo (tabla 2) y tasas de pérdida de suelo mayores (figuras 6 y 7).

Con independencia de la severidad, los suelos de Sierra Bermeja han mostrado cambios significativos en todas las propiedades edáficas analizadas respecto a las áreas sin afección, lo que indica que el suelo es un recurso muy vulnerable frente al fuego (tabla 2). Estudios previos sugieren que estas alteraciones en las propiedades físicas, químicas e hidrológicas deben ser tenidas en cuenta a la hora de determinar las actuaciones post-incendio, pues dependiendo del grado de afección podrían causar una disminución de la capacidad de infiltración, un aumento en la escorrentía y pérdida de suelos y nutrientes, y un descenso del contenido de carbono orgánico en los suelos en los primeros años tras el incendio (Mataix-Solera & Guerrero, 2007; Mataix-Solera & Cerdá, 2009; Vallejo et al., 2012).

La identificación del Índice NDVI en Sierra Bermeja ha sido esencial para la determinación de las áreas prioritarias, ya que los valores incendiarios se mantuvieron durante los primeros nueve meses post-incendio, en consonancia con lo observado por Arenas et al. (2016) en la Sierra de Gata. Esta invariabilidad, atribuible a la alta severidad del incendio, resultó en la exposición y vulnerabilidad de los suelos a la erosión ocasionada por las lluvias primaverales. Sin embargo, en algunos estudios, estos valores iniciales post-incendio persisten más allá de la primavera, como lo demuestran los estudios de Escuín et al. (2008) y Peña & Ulloa (2017).

El factor vegetativo es crucial para la recuperación de ecosistemas post-incendio, influyendo en la protección del suelo, la conservación de la biodiversidad y la regulación climática. Sin embargo, un estudio de Alegría (2022) usando imágenes Sentinel-2A revela una disminución de los valores fotosintéticos debido a las bajas precipitaciones. Esto coincide con otros estudios (Forkel et al., 2013; Sobrino et al., 2019), que también muestran una reducción de la actividad fotosintética en condiciones de escasa precipitación. Esto es especialmente relevante en Sierra Bermeja, una región mediterránea vulnerable al cambio climático (IPCC, 2007, 2014, 2021), con una tendencia decreciente en la pluviometría (Ruíz-Sinoga et al., 2015).

La ausencia de vegetación y los cambios significativos en los suelos de Sierra Bermeja, debido a la gran afección incendiaria, resaltan la necesidad de integrar el factor erosivo en el desarrollo de metodologías para la delimitación de zonas prioritarias de actuación. Concretamente, en este estudio, se utilizó el cálculo del modelo RUSLE en un SIG para evaluar los riesgos de erosión del suelo antes y después del incendio (figura 7). Numerosos estudios han aplicado este modelo para analizar los efectos de los incendios en la capacidad erosiva del suelo (Ganasri & Ramesh, 2016; Depountis et al., 2020; Yang et al., 2020; Valkanou et al., 2022; Vieira et al., 2023; Mastrolonardo et al., 2024). Incluso en Sierra Bermeja, Gallegos-Reina (2023) ha llevado a cabo investigaciones específicas utilizando este enfoque. Sin embargo, se debe tener en cuenta la sobreestimación de las pérdidas de suelo asociada a la utilización de la USLE/RUSLE (Avellanas et al., 1999; Fernández et al., 2010), aunque algunos autores resaltan su utilidad para identificar y delimitar zonas susceptibles a la erosión, sin costos excesivos (Serrasolses et al., 2004; Fernández-Filgueira & Vega-Hidalgo, 2011). El análisis mediante el modelo RUSLE reveló una mayor vulnerabilidad del suelo post-incendio a la erosión, especialmente en áreas con alta severidad y déficit en los valores vegetativos (figura 7 y 8). Esto resalta la urgencia de implementar acciones efectivas para mitigar los impactos negativos en Sierra Bermeja. Esta mayor susceptibilidad plantea una seria preocupación para la salud del ecosistema local y la sostenibilidad de las actividades humanas en la zona afectada. La erosión del suelo puede tener efectos devastadores, como la pérdida de nutrientes, la degradación del hábitat para la vegetación y la vida silvestre, y la reducción de la productividad agrícola (Pimentel & Kounang, 1998; Lal, 2003).

Conforme a la metodología propuesta para la delimitación de zonas prioritarias, la integración de los resultados (severidad, suelos y erosión, y vegetación; figura 2) en un entorno SIG ha permitido identificar tres áreas que requieren atención prioritaria por parte de las entidades gubernamentales (figura 9). Esto resulta de gran utilidad de cara a la optimización de recursos en la gestión post-incendio (figura 9). Así, esta herramienta de planificación post-incendio permite concentrar los esfuerzos de recuperación post-incendio de manera eficiente y en las áreas verdaderamente sensibles, optimizando los esfuerzos para controlar la degradación posterior al incendio en las zonas más vulnerables (García-Morote et al., 2015). La utilidad de esta metodología destaca frente a la carencia de un protocolo común de actuación post-incendio. Aunque existen iniciativas, estrategias y protocolos que se centran en la evaluación de los impactos (Gimeno et al., 2009; De las Heras, 2013) y la restauración post-incendio (Copano, 2007; FBS, 2008), estas no han derivado en el desarrollo de una herramienta de aplicación generalizada para la detección de zonas vulnerables post-incendio en condiciones mediterráneas.



Finalmente, esta metodología representa un avance positivo en la evaluación y manejo de áreas impactadas por incendios forestales al brindar a los gestores ambientales una herramienta detallada y fundamentada en datos validados para planificar estrategias de restauración post-incendio. Su eficacia radica en la combinación de tecnología de teledetección y SIG. Al utilizar esta aproximación, respaldada por información actualizada y precisa, se logra reducir significativamente los costos y el tiempo requerido en comparación con los métodos de campo tradicionales. Además, su alta aplicabilidad permite su adaptación a diversas regiones con características similares, no solo en el área mediterránea, sino también en otros ecosistemas propensos a incendios forestales, lo que mejora su potencial para ser implementada de manera efectiva en diferentes partes del mundo, contribuyendo así a la resiliencia de los ecosistemas frente a futuros incendios y promoviendo la sostenibilidad a largo plazo de las actividades humanas en áreas afectadas.

Agradecimientos y financiación

Este estudio forma parte del trabajo realizado en el proyecto de investigación denominado “Laboratorio de Cambio Climático Ambiental y Biodiversidad (Lifewatch EnBi2Lab)” (LW-2019-UMA-01-SU), siendo cofinanciado por la Unión Europea y la Universidad de Málaga mediante los Fondos de Desarrollo Europeo Regional (FEDER), a través de la convocatoria del Ministerio de Economía, Industria y Competitividad. Además, cabe resaltar la labor de los compañeros del Laboratorio de Geomorfología y Suelos de la Universidad de Málaga para la consecución de este estudio.

Declaración responsable y conflicto de intereses

Los autores declaran que no existe ningún conflicto de interés con relación a la publicación de este artículo. Los tres autores han trabajado de forma conjunta en la totalidad de tareas de esta investigación.

REFERENCIAS

Aguilar, J., Calvo, R., Fernández, E., & Macías, F. (1997). Geoquímica de la alteración y edafogénesis de rocas serpentinizadas de la Sierra Bermeja (Málaga). Boletín de la Sociedad Española de la Ciencia del Suelo, 5, 135-151. http://edafologia.ugr.es/revista/tomo5/a135t.htm

Alba, F., López, J. A., Pando, B.B.D., Linares, J. C., Nieto, D., & López, L., (2010). Past and present potential distribution of the Iberian Abies species: a phytogeographic approach using fossil pollen data and species distribution models. Diversity and Distributions, 16(2), 214-228. https://doi.org/10.1111/j.1472-4642.2010.00636.x

Alegría, C. (2022). Monitoring Vegetation and Post-Fire Recovery: A Case Study in Central Inland Portugal. Sustainability, 14(19), 12698. https://doi.org/10.3390/su141912698

Alloza, J., García, S., Gimeno, T., Baeza, M., &Vallejo, V. (2014). Guía técnica para la gestión de montes quemados. Ministerio de Agricultura, Alimentación y Medio Ambiente. https://dialnet.unirioja.es/servlet/libro?codigo=824598

Araque, J.E. (2013). Medio siglo de grandes incendios forestales en Andalucia (1961-2011). Méditerranée Revue géographique des pays méditerranéens/Journal of Mediterranean geography, (121), 41-52. https://doi.org/10.4000/mediterraneo.6840

Arellano, S., Vega, J.A., Rodríguez y Silva, F., Fernández, C., Vega-Nieva, D., Álvarez, J.G., & Ruiz, A.D. (2017). Validación de los índices de teledetección dNBR y RdNBR para determinar la severidad del fuego en el incendio forestal de Oia-O Rosal (Pontevedra) en 2013. Revista de Teledetección, 49 (número especial), 49-61. https://doi.org/10.4995/raet.2017.7137

Arenas, G.N., Masot, A.N., & Marcos, G.M. (2016). Análisis de incendios forestales mediante sistemas de información geográfica y teledetección. Estudio de caso en Sierra de Gata. Tecnologías de la Información Geográfica en el Análisis Espacial, 247. https://dialnet.unirioja.es/servlet/articulo?codigo=5776243

Avellanas, J.M.R., Velilla, F.J.V., Villas, D.B., & Martorell, J.A. (1999). Efecto del incendio forestal sobre la autosucesión vegetal y erosión, en los montes de Castejón de Valdejasa (Zaragoza). Geórgica: Revista del Espacio Rural, 7, 55–68. https://dialnet.unirioja.es/servlet/articulo?codigo=1356881

Aznar, J.M., (2013). El régimen de incendios actual y la influencia humana. Red Temática Nacional Efectos de los Incendios Forestales sobre los Suelos. FUEGORED. https://docplayer.es/82408929-El-regimen-de-incendios-actual-y-la-influencia.html

Bisquert, M. (2011). Una metodología para la estimación del riesgo de incendio empleando imágenes del sensor MODIS/TERRA. [Tesis doctoral, Universidad de Valencia]. Portal de producción Científica de la Universidad de Valencia. https://producciocientifica.uv.es/documentos/5eb09cd52999527641120588

Bond, W.J., & Keeley, J.E. (2005). Fire as a global «herbivore»: the ecology and evolution of flammable ecosystems. Trends in Ecology and Evolution, 20, 387-394. https://doi.org/10.1016/j.tree.2005.04.025

Cabezas-Martín, G. (2020). Análisis de la severidad del incendio forestal en el Parque Nacional Sierra La Macarena Meta-Colombia, usando Sentinel-2 y Landsat 8 Oli en el año 2018. [Trabajo Fin de Máster, Universidad Distrital-RIUD]. Repositorio Institucional Universidad Distrital – RIUD. http://hdl.handle.net/11349/29277

Castillo. J.A., (2014). Memoria científico-técnica sobre el macizo ultramáfico de Sierra Bermeja (Málaga) como justificación para su declaración como Parque Nacional. El espacio geográfico de Sierra Bermeja. Plataforma Sierra Bermeja Parque Nacional. https://www.sierrabermeja.es/memoria/

Chuma, G.B., Bora, F.S., Ndeko, A. B., Mugumaarhahama, Y., Cirezi, N. C., Mondo, J. M., ..., & Schimtz, S. (2021). Estimation of soil erosion using RUSLE modeling and geospatial tools in a tea production watershed (Chisheke in Walungu), eastern Democratic Republic of Congo. Modeling Earth Systems and Environment, 1-17. https://link.springer.com/article/10.1007/s40808-021-01134-3

Chura Rayo, C.R. (2023). Evaluación de la perdida de cobertura vegetal, fauna y calidad de suelo causada por incendios forestales en las faldas del volcán Misti, 2018-2022, mediante el uso de teledetección y muestreo in situ. Repositorio Institucional de la Universidad Nacional San Agustín de Arequipa. https://hdl.handle.net/20.500.12773/17007

Copano, C. (2007). Restauración de zonas quemadas. [Comunicación en congreso]. 4th International Wildland Fire Conference was held in Spain. 14-17 May 2007. https://gfmc.online/sevilla-2007/isbn_info.html

Cortina, J., Bellot, J., Vilagrosa, A., Caturla, R.N., Maestre, F.T., Rubio, E., Ortíz, & J., Bonet, A. (2004). Restauración en Semiárido. In V.R. Valle, & J.A. Alloza, J.A. (Eds.). Avances en el estudio de la gestión del monte mediterráneo, (pp. 83-131). Fundación Centro de Estudios Ambientales del Mediterráneo (Valencia). https://shre.ink/DSav

De Alba, S., Benito, G., Lacasta, G., &Pérez González, A. (2003). Erosión hídrica en campos de agricultura extensiva de clima mediterráneo. Influencia del manejo del suelo en Castilla-La Mancha. Edafología 10(3), 103-113. http://hdl.handle.net/10261/83034

De las Heras, J. (2013). ¿Qué hacer después del fuego? Principales retos y algunas respuestas. [Comunicación en congreso]. 6º Congreso forestal español. Vitoria-Gasteiz. https://dialnet.unirioja.es/servlet/articulo?codigo=7346736

Depountis, N., Michalopoulou, M., Kavoura, K., Nikolakopoulos, K., & Sabatakakis, N. (2020). Estimating soil erosion rate changes in areas affected by wildfires. ISPRS International Journal of Geo-Information, 9(10), 562. https://doi.org/10.3390/ijgi9100562

Escuín, S., Navarro, R., Fernández, P. (2008). Fire severity assessment by using NBR (normalized burn ratio) and NDVI (normalized difference vegetation index) derived from Landsat TM/ETM images. International Journal of Remote Sensing, 29, 1053-1073. https://doi.org/10.1080/01431160701281072

FBS (2008). Criterios de Restauración de Zonas Incendiadas. Manuales de Desarrollo Sostenible. Fundación Banco Santander. https://www.cervantesvirtual.com/nd/ark:/59851/bmcw38c6

Fernández, C., Vega, J.A., & Vieira, D.C.S. (2010). Assessing soil erosion after fire and rehabilitation treatments in NW Spain: performance of RUSLE and revised Morgan–Morgan–Finney models. Land degradation & development, 21(1), 58-67. https://doi.org/10.1002/ldr.965

Filgueira, C.F., & Hidalgo, J. A.V. (2011). Erosión después de incendios forestales. Boletín Informativo CIDEU, (10), 23-36. https://dialnet.unirioja.es/servlet/articulo?codigo=3869039

Forkel, M., Carvalhais, N., Verbesselt, J., Mahecha, M.D., Neigh, C.S., & Reichstein, M. (2013). Trend change detection in NDVI time series: Effects of inter-annual variability and methodology. Remote Sensing, 5(5), 2113-2144. https://doi.org/10.3390/rs5052113

Ganasri, B.P., & Ramesh, H. (2016). Assessment of soil erosion by RUSLE model using remote sensing and GIS-A case study of Nethravathi Basin. Geoscience Frontiers, 7(6), 953-961. https://doi.org/10.1016/j.gsf.2015.10.007

Gallegos-Reina, A.J. (2023). Cambios en la erosión hídrica tras el incendio forestal de Sierra Bermeja (Málaga) de 2021. Repositorio Institucional de la Universidad de Málaga (RIUMA). https://hdl.handle.net/10630/27632

García Morote, F.A., Albert Belda, E., López Serrano, F.R., Martínez García, E., Dadi, T., Andrés Abellán, M., Rubio, E., Candel Pérez, D., & Lucas Borja, M. (2015). Propuesta metodológica de zonificación de prioridades de actuación hidrológico-forestal tras incendio: aplicación al gran incendio de Hellín (Albacete). Cuadernos de la Sociedad Española de Ciencias Forestales, (41), 165-182. https://dialnet.unirioja.es/servlet/articulo?codigo=6933082

Garrido, C.J., Gervilla, F., Gómez-Zotano, J., Hidalgo, N., Martos, J., Navarro, I., Pérez, A.V., & Román, F., (2014). Memoria científico-técnica sobre el macizo ultramáfico de Sierra Bermeja (Málaga) como justificación para su declaración como Parque Nacional. Plataforma Sierra Bermeja Parque Nacional. https://www.sierrabermeja.es/memoria/

Ghosal, K., & Das Bhattacharya, S. (2020). A review of RUSLE model. Journal of the Indian Society of Remote Sensing, 48, 689-707. https://doi.org/10.1007/s12524-019-01097-0

Gimeno, T., & Ramón, J.G.P.Y.V. (2009). Protocolo para la evaluación del impacto ecológico de los incendios forestales. [Comunicación en congreso]. Congresos Forestales. https://secforestales.org/publicaciones/index.php/congresos_forestales/article/view/17022

Gómez-Moreno, M.L., (1989). La montaña malagueña. Estudio ambiental y evolución de su paisaje. Servicio Publicaciones Diputación Provincial de Málaga. https://shre.ink/DSau

Gómez-Zotano, J., (2003). El papel de los espacios montañosos como traspaís del litoral mediterráneo andaluz: el caso de Sierra Bermeja (provincia de Málaga). [Tesis Doctoral, Universidad de Granada]. Repositorio DIGIBUG. http://hdl.handle.net/10481/4564

Gómez-Zotano, J., (2014). Memoria científico-técnica sobre el macizo ultramáfico de Sierra Bermeja (Málaga) como justificación para su declaración como Parque Nacional. Aportaciones al estudio de Sierra Bermeja para su declaración como Parque Nacional. Plataforma Sierra Bermeja Parque Nacional. https://www.sierrabermeja.es/memoria/

Guillem-Cogollos, R., Vinué-Visús, D., Caselles-Miralles, V., & Espinós-Morató, H. (2017). Estudio crítico de los índices de severidad y la superficie afectada por el incendio de Sierra de Luna (Zaragoza). Revista de Teledetecció, (49), 63-77. https://doi.org/10.4995/raet.2017.7117

Guitián, F., & Carballas, T. (1976). Técnicas de análisis de suelos. Editorial Pico Sacro. http://hdl.handle.net/10261/59235

Hidalgo, N., & Pérez-Latorre, A.V., (2016). Actualización del mapa de vegetación del afloramiento ultramáfico de Sierra Bermeja (Málaga, España). [Congreso Científico]. IX Congreso Español de Biogeografía. http://hdl.handle.net/10630/11767

Ibnousaih, S. (2021). Análisis de incendios forestales a partir de imágenes Sentinel en las Palmas de Gran Canaria en agosto de 2019. [Trabajo fin de máster, Universidad de Jaén]. Colección de Recursos Educativos Abiertos de la UJA. https://hdl.handle.net/10953.1/15192

Instituto de Estadística y Cartografía de Andalucía (2023). Datos Espaciales de Referencia en Andalucía (DERA). Junta de Andalucía. https://www.juntadeandalucia.es/institutodeestadisticaycartografia/DERA/

Instituto Geográfico Nacional (IGN) (2023). Geoportal. https://www.ign.es/web/inicio?locale=es

Intergovernmental Panel on Climate Change, (2014). Fifth Assessment Report. IPCC. http://ipcc.ch/report/ar5/

IPCC. (2007). Climate Change 2007: Climate Change Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. IPCC. https://www.ipcc.ch/report/ar4/syr/

Junta Castilla y León (2023). Mapas interpolados de clasificación textural y de porcentajes de materia orgánica, arena, limo y arcilla en el suelo [mapa]. https://suelos.itacyl.es/mapas

Karl, J. (2012). Índice de quema normalizado. The LandscapeToolBox. https://landscapetoolbox.org/remote-sensing-methods/normalized-burn-ratio/

Karydas, C.G., Panagos, P., & Gitas, I.Z. (2014). A classification of water erosion models according to their geospatial characteristics. International Journal of Digital Earth, 7(3), 229-250.https://doi.org/10.1080/17538947.2012.671380

Kemper, W.D., & Rosenau, R.C. (1986). Estabilidad de agregados y distribución de tamaño. Métodos de análisis de suelos: Parte 1, Métodos físicos y mineralógicos, 5, 425-442. https://doi.org/10.2136/sssabookser5.1.2ed.c17

Khademalrasoul, A., & Amerikhah, H. (2021). Assessment of soil erosion patterns using RUSLE model and GIS tools (case study: the border of Khuzestan and Chaharmahal Province, Iran). Model. Earth Syst. Environ. 7, 885–895. https://doi.org/10.1007/s40808-020-00931-6

Lachowski, H., Hardwick, P., Gruffith, R., Parsons, A., & Warbington, R. (1997). Faster, Better Data for Burned Watersheds Needing Emergency Rehab. Journal of Forestry, June, 4-9. https://www.cabidigitallibrary.org/doi/full/10.5555/19980600307

Lal, R. (2003). Soil erosion and the global carbon budget. Environment international, 29(4), 437-450. https://doi.org/10.1016/S0160-4120(02)00192-7

Lozano, E., & Jiménez-Pinilla, P. (2013). Intensidad y severidad del fuego. Red Temática Nacional Efectos de los Incendios Forestales sobre los Suelos. FUEGORED. Ficha técnica FGR2013/01.

Marañes, A., Sánchez-Garrido, A.A., Haro, S., Sánchez, S.T., & Lozano, F.J. (1994). Análisis de suelos. Editorial Copysur.

Mastrolonardo, G., Castelli, G., Certini, G., Maxwald, M., Trucchi, P., Foderi, C., ... & Preti, F. (2024). Post-fire erosion and sediment yield in a Mediterranean forest catchment in Italy. International Journal of Sediment Research, 39(3), 464-477. https://doi.org/10.1016/j.ijsrc.2024.03.008

Martínez, E. G., & Pérez-Cabello, F. (2015). Análisis de la regeneración vegetal mediante imágenes Landsat-8 y el producto MCD15A2 de MODIS: el caso del incendio de O Pindo (Galicia). In E. González-Martínez & F. Pérez-Cabello (Eds.), Análisis espacial y representación geográfica: innovación y aplicación (pp. 621-630). Departamento de Geografía y Ordenación del Territorio. https://shre.ink/DSaL

Masson-Delmotte, V. P., Zhai, P., Pirani, S. L., Connors, C., Péan, S., Berger, N., ..., & Scheel Monteiro, P. M. (2021). IPCC, 2021: Summary for policymakers. Climate change 2021: The physical science basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. https://www.ipcc.ch/report/ar6/wg1/

Mataix, J., & Cerdà, A., (2009). Los efectos de los incendios forestales en los suelos. Síntesis y conclusiones. Nuevos retos en la investigación y en la gestión. Càtedra de Divulgació de la Ciència. Universitat de Valencia, 493-529. https://www.researchgate.net/publication/229181477

Mataix-Solera, J., & Guerrero, C. (2007). Efectos de los incendios forestales en las propiedades edáficas. Incendios forestales, suelos y erosión hídrica, 5-40.https://www.researchgate.net/publication/229187257

Mintegui-Aguirre, J.A., & López-Unzu, F. (1990). La ordenación agrohidrológica en la planificación. Departamento de Agricultura y Pesca del Gobierno Vasco. Vitoria.

Moore, I.D., & Burch, G.J. (1986). Physical basis of the length-slope factor in the Universal Soil Loss Equation. Soil Science Society of America Journal, 50(5), 1294–1298. https://doi.org/10.2136/sssaj1986.03615995005000050042x

Moreno, J.M., Urbieta, I.R., Bedia, J., Gutiérrez, J.M., & Vallejo, V.R. (2015). Los incendios forestales en España ante el cambio climático. Los bosques y la biodiversidad frente al cambio climático: impactos, vulnerabilidad y adaptación en España, 395-405.https://www.researchgate.net/publication/294860577

Morgan, R.P.C. (2009). Soil erosion and conservation. John Wiley & Sons. https://archive.org/details/soilerosionconse0000morg_j8h3

Mota, J. F, Medina, J. M., Navarro, F.B., Pérez F. J., Pérez, A. V., , Sánchez, P., Torres, J. A., Benavente, A., Blanca, G., Gil, C., Lorite J., & Merlo, M.E. (2008). Dolomite flora of the Baetic Ranges glades (South Spain). Flora, (203), 359-375. https://doi.org/10.1046/j.1466-822X.2002.00312.x

Nieto, J.M., Pérez A.V., & Cabezudo B. (1991). Biogeografía y series de vegetación de la Provincia de Málaga (España). Acta Botánica Malacitana, (16), 417-436. https://revistas.uma.es/index.php/abm/article/view/9199

Pausas, J. G., & Keeley, J. E. (2009). A burning story: the role of fire in the history of life. BioScience, 59(7), pp. 593-601. https://doi.org/10.1525/bio.2009.59.7.10

Peña, M. A., & Ulloa, J. (2017). Mapeo de la recuperación de la vegetación quemada mediante la clasificación de índices espectrales pre-y post-incendio. Revista de Teledetección, (50), 37-48. https://doi.org/10.4995/raet.2017.7931

Pérez-Latorre, A.V. (2014). Flora, vegetación y Paisaje Vegetal serpentinícolas: lugares de importancia comunitaria de la Red Europea Natura 2000. Memoria científico- técnica sobre el macizo ultramáfico de Sierra Bermeja (Málaga) como justificación para su declaración como Parque Nacional. Plataforma Sierra Bermeja Parque Nacional. https://www.sierrabermeja.es/memoria/

Pérez-Latorre, A.V., Hidalgo-Triana, N., & Cabezudo, B. (2013). Composition, ecology and conservation of the south-Iberian serpentine flora in the context of the Mediterranean basin. Anuales del Jardín Botánico de Madrid 70(1): 62-71. https://doi.org/10.3989/ajbm.2334

Pimentel, D., & Kounang, N. (1998). Ecología de la erosión del suelo en ecosistemas. Ecosystems , 1 , 416-426. https://link.springer.com/article/10.1007/s100219900035

Red de Información Ambiental de Andalucía. (2023). Visor Rediam. Junta de Andalucía. https://portalrediam.cica.es/VisorRediam/

Ramos Zuñiga, L.G. (2023). Monitoreo de cambios en la vegetación usando teledetección. Caso aplicado a incendios forestales en Nuevo León. Actas de la Facultad de Ciencias de la Tierra de la Universidad Autónoma de Nuevo León, 9, 151-159. http://eprints.uanl.mx/id/eprint/26285

Rivas Goday, S. (1974). Edafismos ibéricos de rocas ultrabásicas y dolomíticas: interpretación biogeoquímica y sus posibles correlaciones cariológicas. Las Ciencias, 39(1). https://shre.ink/DSa4

Rivas Goday, S., & López González, G. (1979). Nuevos edafismos hispánicos de substratos ultrabásicos y dolomíticos. Bases de datos bibliográficos Pascal y Francis, 45, 95-112. http://pascalfrancis.inist.fr/vibad/index.php?action=getRecordDetail&idt=PASCAL7910358109

Rufo, L., Rodríguez, N., & Fuente, V. (2005). Análisis comparado de metales en suelos y plantas de la Sierra Bermeja. In R. Jiménez Ballesta & A.M. Álvarez González (Eds.), Proceedings II Simposio Nacional de Control de la Degradación de Suelos (197-201). Madrid, Spain: Universidad Autónoma de Madrid. https://dialnet.unirioja.es/servlet/articulo?codigo=1400983

Ruiz-Gallardo, J. R., Castaño, S., & Valdés, A. (2009). Cartografiado de la prioridad de actuación postincendio forestal. Efectos de los incendios forestales sobre los suelos en España. In El estado de la cuestión visto por los científicos españoles (pp. 445-467). Càtedra de Divulgació de la Ciència, Universitat de Valencia. https://dialnet.unirioja.es/servlet/articulo?codigo=3255180

Ruíz-Sinoga, J. D., Romero, A., Martínez, J. F., & Gabarrón, M. A. (2015). Incidencia de la dinámica pluviométrica en la degradación del suelo. Sur de España. Boletín de la Asociación de Geógrafos Españoles, (68), 177-204. https://doi.org/10.21138/bage.1858

Sanz, M. (2017). Eficacia de las fajinas como medida de control de la erosión del suelo post-incendio en Luna (Cinco Villas). Universidad de Zaragoza. https://zaguan.unizar.es/record/64755

Serrasolses, I., Llovet, J., & Bautista, S. (2004). Degradación y restauración de suelos forestales mediterráneos. In V.R. Vallejo & J.A. Alloza (Eds.), Avances en el estudio de la gestión del monte mediterráneo (93-131). Fundación CEAM, Valencia. https://shre.ink/DSa6

Sobrino, J.A., Llorens, R., Fernández, C., Fernández-Alonso, J.M., & Vega, J.A. (2019). Relationship between soil burn severity in forest fires measured in situ and through spectral indices of remote detection. Forests, 10(5), 457. https://doi.org/10.3390/f10050457

Stoffel, M., Wehrli, A., Kühne, R., Dorren, L.K.A., Perret, S., & Kienholz, H. (2006). Assessing the protective effect of mountain forests against rockfall using a 3D simulation model. Forest Ecology and Management, 225(1–3), 113–122. https://doi.org/10.1016/j.foreco.2005.12.030

Turner, M.G., & Romme, W.H. (1994). Landscape dynamics in crown fire ecosystems. Landscape ecology, 9, 59-77. https://doi.org/10.1007/BF00135079

Valkanou, K., Karymbalis, E., Bathrellos, G., Skilodimou, H., Tsanakas, K., Papanastassiou, D., & Gaki-Papanastassiou, K. (2022). Soil Loss Potential Assessment for Natural and Post-Fire Conditions in Evia Island, Greece. Geosciences, 12(10), 367. https://doi.org/10.3390/geosciences12100367

Vallejo, V.R., Allen, E.B., Aronson, J., Pausas, J.G., Cortina, J., & Gutiérrez, J.R. (2012). Restoration of Mediterranean‐type woodlands and shrublands. In Restoration ecology: The new frontier (pp. 130-144). https://onlinelibrary.wiley.com/doi/book/10.1002/9781118223130#page=152

Van der Knijff, J.M., Jones, R.J.A., & Montanarella, L. (2000). Soil erosion risk assessment in Europe. Office for Official Publications of the European Communities. https://www.researchgate.net/publication/237727657_Soil_Erosion_Risk_Assessment_in_Europe

Van Reeuwijk, L.P. (2002). Procedures for soil analysis. [Congreso científico]. 6th ed. International Soil Reference and Information Centre-Food and Agriculture Organization. Wageningen, The Netherlands. https://shre.ink/DSaz

Vieira, D. C. S., Borrelli, P., Jahanianfard, D., Benali, A., Scarpa, S., & Panagos, P. (2023). Wildfires in Europe: Burned soils require attention. Environmental research, 217, 114936. https://doi.org/10.1016/j.envres.2022.114936

Wischmeier, W.H. (1959). A rainfall erosion index for a universal soil-loss equation. Soil Science Society of America Journal, 23(3), 246-249. https://doi.org/10.2136/sssaj1959.03615995002300030027x

Wischmeier, W.H., & Smith, D.D. (1978). Predicting rainfall erosion losses: A guide to conservation planning. Department of Agriculture, Science and Education Administration. https://www.semanticscholar.org/paper/Predicting-rainfall-erosion-losses-:-a-guide-toWischmeierSmith/9e6db1b19ae32724ad07a7e8221099433266df41

Yang, X., Zhang, M., Oliveira, L., Ollivier, Q.R., Faulkner, S., & Roff, A. (2020). Rapid assessment of hillslope erosion risk after the 2019–2020 wildfires and storm events in Sydney drinking water catchment. Remote Sensing, 12(22), 3805. https://doi.org/10.3390/rs12223805

Yusta, A., Barahona, E., Huertas, F., Reyes, E., Yanez, J., & Linares, J. (1985). Geochemistry of soils from peridotites in Los Reales, Malaga, Spain. Miner. Petrogr. Acta (Bologna), 29, 489-498. https://www.researchgate.net/publication/236143096