CIOT 2003 - IV CONGRESO INTERNACIONAL DE ORDENACIÓN DEL TERRITORIO, ZARAGOZA (ESPAÑA)

USO Y UTILIDAD DE LOS MODELOS ESPACIALES PREDICTIVOS EN LA

ORDENACIÓN TERRITORIAL DE ZONAS FORESTALES

RESUMEN
La ordenación territorial en zonas de vocación forestal intenta resolver un conjunto de problemas
entre los cuales está la conservación y la restauración de los bosques. En este trabajo se defiende
la hipótesis de que una correcta planificación se facilita conociendo las potencialidad del territo-
rio expresada cartográficamente mediante modelos de idoneidad. Estos modelos pueden cons-
truirse objetivamente mediante métodos de análisis espacial que relacionan la presencia/ausencia
del bosque con un conjunto de variables ambientales influyentes. En este trabajo se presenta un
ejemplo de la utilidad de estos modelos como criterio orientador sobre futuras actuaciones de or-
denación. Se muestran resultados procedentes del análisis del territorio potencial del rebollar, o
bosque de Quercus pyrenaica, en el territorio de la Comunidad Autónoma de Extremadura (Espa-
ña). El análisis del modelo de idoneidad permite establecer criterios de actuación en conservación
y restauración forestal, recomendando zonas de actuación prioritaria.

1. INTRODUCCIÓN
La ordenación territorial en zonas de vocación forestal intenta resolver un conjunto de problemas
entre los cuales está la conservación y la restauración de los bosques. En una zona como la Penín-
sula Ibérica, donde los bosques han sido progresivamente eliminados a lo largo de siglos, entre los
objetivos de la ordenación forestal destacan la reducción de la fragmentación del bosque y la con-
servación de la diversidad.
Para conseguir estos objetivos es necesaria una información territorial básica de buena calidad [15]
que permita conocer el territorio y orientar las actuaciones desde un punto vista espacial. Pero la
disponibilidad de información territorial no es suficiente, sino que se hace necesario disponer de
métodos objetivos de análisis que permiten, entre otros objetivos, delimitar espacialmente las zo-
nas de actuación y definir las actuaciones recomendables o prioritarias.
A la hora de analizar la potencialidad forestal del territorio, los modelos de idoneidad son una al-
ternativa poco utilizada cuya utilidad intentaremos demostrar en este trabajo. Se entiende por mo-
delo de idoneidad a un mapa donde cada punto del territorio tiene asignado un valor que refleja lo
adecuado o inadecuado de la localización para un uso determinado. Los modelos de idoneidad
pueden construirse mediante técnicas diversas entre las cuales destacan la regresión logística y mé-
todos no paramétricos como CART (classification and regression trees) y MARS (multiple adap-
tative regression splines). Todas estas técnicas exigen disponer de un mapa de vegetación (la va-
riable dependiente) y de cartografía de un número suficiente de variables ambientales potencial-
mente influyentes en la distribución de la vegetación (clima, topografía, litología, etc.). El funda-
mento del método está en establecer relaciones entre las variables ambientales y los patrones de
distribución espacial de la vegetación. Lógicamente, la distribución espacial de cada categoría de
vegetación responderá, en su caso, a un modelo diferente consecuencia de los diferentes requeri-
mientos o preferencias ecológicas de las especies de cada comunidad vegetal.
La zona definida como ‘adecuada’ en un modelo de idoneidad puede interpretarse como el área de
distribución potencial del tipo de vegetación correspondiente. Es en este área de distribución po-
tencial, donde los factores ambientales tienen valores adecuados para la implantación y crecimien-
to de, por ejemplo, cierto tipo de bosque. Normalmente, el área de distribución actual es significa-
 CIOT 2003 - IV CONGRESO INTERNACIONAL DE ORDENACIÓN DEL TERRITORIO, ZARAGOZA (ESPAÑA)

tivamente menor que el área de distribución potencial ya que el bosque ha sido eliminado secular-
mente de zonas donde existía en el pasado.
Veremos que conocer el área de distribución potencial permite obtener datos valiosos a la hora de
definir actuaciones de restauración y de delimitar áreas de actuación prioritaria. En este trabajo se
presentan ejemplos elaborados para los bosques de rebollo o melojo en Extremadura pero los pro-
cedimientos utilizados son de validez general e independientes del tipo de vegetación y área de
estudio.

2. ÁREA, MATERIAL Y MÉTODOS

2.1. Área de estudio
Extremadura es una de las 17 Comunidades Autónomas de España y tiene una superficie de unos
41680 km2 (Figura 1). El clima es mediterráneo pero suavizado por la relativa cercanía al mar y
por la penetración de los frentes oceánicos del Oeste. Las especies forestales predominantes son
del género Quercus; las más importantes por su extensión son la encina Quercus rotundifolia
(19600 km2), el alcornoque Quercus suber (3140 km2) y el rebollo o melojo Quercus pyrenaica
(2160 km2).

Figura 1. Localización geográfica de la Comunidad Au-

tónoma de Extremadura en la Península Ibérica.

2.2. La variable dependiente: distribución actual del rebollar

El mapa de distribución actual de la especie estudiada, Quercus pyrenaica (Figura 2.) fue elabora-
do a partir del Mapa Forestal de España (Dirección General de Conservación de la Naturaleza, Mi-
nisterio de Medio Ambiente).
2.3. Las variables independientes: los modelos digitales del terreno
Las variables ambientales potencialmente influyentes en la distribución de la especie analizada
fueron las siguientes:
• altitud: el modelo digital de elevaciones, o MDE, fue construido mediante un algoritmo de
triangulación de Delaunay [19] a partir de curvas de nivel digitalizadas y transformado a conti-
nuación a una estructura matricial regular con 100 m de tamaño de celda.
• insolación potencial: los modelos se han construido mediante una simulación a partir del MDE,
analizando el ocultamiento topográfico [4] ante la trayectoria solar para diversos periodos del
año estándar [8]. El resultado es una estimación del tiempo que cada punto del terreno está so-
metido a la radiación solar directa con una resolución temporal de 20 min y espacial de 100 m.
• mapas de temperatura media de las máximas y de las mínimas anuales: interpolados a partir de
un total de 140 estaciones meteorológicas con el método de thin plate splines ([10], [14]) con
una resolución espacial de 500 m.
 CIOT 2003 - IV CONGRESO INTERNACIONAL DE ORDENACIÓN DEL TERRITORIO, ZARAGOZA (ESPAÑA)

• mapas de precipitaciones por trimestres: interpolados a partir de un total de 276 estaciones

meteorológicas con el método de thin plate splines con una resolución espacial de 500 m. Los
datos de las estaciones meteorológicas en ambos casos proceden del Instituto Nacional de Me-
teorología.

Figura 2. Distribución actual del rebollo,

Quercus pyrenaica, en Extremadura según
el Mapa Forestal de España (en negro, unos
2160 km2).

2.4. Métodos: la regresión logística múltivariable (RLM)

La RLM ha sido utilizada como método para generar modelos predictivos en una amplia variedad
de campos, como epidemiología [20], prospección geológica [1], selvicultura [22] o conservación
de fauna [16][18]. La RLM es adecuada para este propósito ya que la variable dependiente es dicó-
toma (presencia/ausencia) y admite variables independientes con distribuciones no normales; fi-
nalmente, el resultado de la regresión varía entre 0 y 1 por lo que resulta adecuado para generar un
modelo de probabilidad o idoneidad [12].
La introducción de la componente espacial en la RLM para generar modelos cartográficos es re-
ciente y suele realizarse mediante sistemas de información geográfica. Por ejemplo, en [7] se usa
RLM en el SIG ArcInfo (ESRI Inc.) para generar un modelo de distribución de una especie vege-
tal, Carex curvula, en los Alpes suizos. Otro estudio similar aplicado a la vegetación acuática [21]
se realiza mediante el SIG Grass (US Army Construction Engineering Research Laboratory). Fi-
nalmente, el autor de este trabajo ha utilizado ArcView (ESRI Inc.) para la construcción de mode-
los logísticos en Cantabria (España) [3]. Los detalles del procedimiento y los fundamentos estadís-
ticos pueden consultarse en esta referencia. Baste señalar que el modelo logístico que expresa la
dependencia de la idoneidad, P(i), respecto a valor de n variables explicativas responde a la expre-
sión:
1
P (i ) = −( b ( 0 ) +b (1)⋅ x (1) +...+ b ( n )⋅ x ( n ))
1+ e
donde P(i) es el valor de idoneidad, x(1) ... x(n) representan los valores de las variables ambienta-
les y b(1) ... b(n), los coeficientes correspondientes. Los resultados para cada punto del terreno va-
rían entre los valores extremos 0 (incompatible) y 1 (idóneo).
 CIOT 2003 - IV CONGRESO INTERNACIONAL DE ORDENACIÓN DEL TERRITORIO, ZARAGOZA (ESPAÑA)

En el presente trabajo, los valores de los coeficientes de la regresión logística se han calculado a
partir de un muestreo estratificado sobre las zonas de presencia y ausencia del rebollar. El proceso
es el siguiente:
1. Se realizaron dos muestreos aleatorios sobre las áreas de presencia y ausencia de bosque. La
primera muestra se usa para el cálculo del modelo logístico y la segunda para la verificación
del modelo. De acuerdo con las recomendaciones expresadas en [17] ambas muestras poseían
un mismo número de casos positivos y negativos.
2. La regresión logística se realizó con un programa estadístico comercial y un método paso a pa-
so (stepwise) por máxima verosimilitud.
3. El control de la bondad del ajuste se realizó comparando los resultados del modelo con la
muestra de contraste para diversos valores de punto de corte mediante el cálculo del área bajo
la curva ROC (Receiver Operating Characteristic)
Finalmente, se aplicó la ecuación logística a la totalidad del territorio para generar el modelo de
probabilidad. Los resultados fueron analizados comparándolos con el mapa de vegetación actual.

3. RESULTADOS
3.1. El modelo logístico
El método de análisis retuvo 7 variables significativas cuyos coeficientes y estadísticos básicos se
muestran en la Tabla 1.

variable b e. e. Wald P Descripción

dem 0.0055 0.0001 2425.3 <0.0001 elevación
ins12p -0.1015 0.0114 79.2 <0.0001 insolación potencial (declinación +12º)
rain1 -0.0262 0.0006 1782.9 <0.0001 lluvias enero-marzo
rain2 0.0146 0.0005 799.9 <0.0001 lluvias abril-Junio
rain3 0.0565 0.0013 1886.6 <0.0001 lluvias julio-septiembre
rain4 0.0156 0.0003 2843.4 <0.0001 lluvias octubre-diciembre
temp -0.0581 0.0012 2418.9 <0.0001 temperatura media de las mínimas anual
constant 10.2259 0.5780 313.0 <0.0001
Tabla 1. Variables, coeficientes de regresión y significación para la regresión logística.
b = coeficiente de regresión, e. e. = error estándar, Wald = estadístico de Wald
La capacidad predictiva del modelo puede evaluarse en función de los porcentajes de clasificación
correcta, tanto para las presencias como para las ausencias. El método habitual es la consideración
del área bajo la curva ROC (Receiver Operating Characteristic) calculada a partir de los valores
de especificidad y sensibilidad y que puede tomar un valor máximo de 1 para un modelo con ajus-
te perfecto. La curva correspondiente al modelo logístico construido muestra un área de 0.973 lo
que supone un muy buen ajuste a los datos.
 CIOT 2003 - IV CONGRESO INTERNACIONAL DE ORDENACIÓN DEL TERRITORIO, ZARAGOZA (ESPAÑA)

3.2. Modelo de idoneidad para Quercus pyrenaica

El ultimo paso en el desarrollo del modelo es la construcción y representación del mapa de idonei-
dad es la aplicación del modelo logístico al total del territorio. El resultado se muestra en la Figura
3. Los valores se han representado en 5 clases de idoneidad para facilitar la interpretación.

Figura 3. Aplicación del modelo logístico al área de estudio. Los valores de probabilidad se han
codificado para mayor claridad según la leyenda siguiente: blanco: 0.00-0.10 (incompatible);
gris claro: 0.11-0.25; gris medio: 0.26-0.50; gris oscuro: 0.51-0.75; gris muy oscuro: 0.76-1.00.
El área fuera de la zona de estudio se representa en negro.
3.3. Análisis del área potencial disponible
Superponiendo el modelo de probabilidad a la información del Mapa Forestal de España se ha
comprobado la vegetación actual existente según el valor de idoneidad del área potencial para
Q. pyrenaica. Este análisis es similar al realizado en [9] para estimar la pérdida de biodiversidad
ante la extensión de especies de plantas invasoras. La combinación de ambos mapas, idoneidad y
vegetación actual, permite obtener resultados que ayudan a comprender algunos aspectos de la di-
námica vegetal y facilitan la propuesta de actuaciones. Los resultados referentes a formaciones ar-
bóreas, bosque y plantaciones, se muestran como ejemplo a continuación.
3.3.1. Otros bosques
Unos 1198 km2 del área potencial de Q. pyrenaica están actualmente cubiertos por otras dos espe-
cies de Quercus que pertenecen a otras series de vegetación. Las Figura 4 y Figura 5 muestran la
distribución de frecuencias de estas especies en el área de distribución de Q. pyrenaica; los valores
 CIOT 2003 - IV CONGRESO INTERNACIONAL DE ORDENACIÓN DEL TERRITORIO, ZARAGOZA (ESPAÑA)

de idoneidad han sido agrupados en 9 clases. Puede observarse que tanto Quercus suber (alcorno-
que) como Q. rotundifolia (carrasca) presentan histogramas que indican preferencias ambientales
diferentes de Q. pyrenaica ya que la superficie ocupada se reduce en las zonas de mayor idonei-
dad.

Figura 4. Presencia de Q. ilex ssp. ballota

Quercus ilex ssp. ballota (= Q. rotundifolia) en las clases de ido-
15000 neidad del rebollo. Se observarse la exclu-
sión entre ambos tipos de bosques ya que
area km²

10000
Q.rotundifolia casi desaparece de las zo-
5000 nas de alta idoneidad para Q. pyrenaica.
0
1 2 3 4 5 6 7 8 9

Las clases son: 1 (0.00-0.11); 2 (0.12-0.22); 3 (0.23-0.33); 4 (0.34-0.44); 5 (0.45-0.55); 6 (0.56-

0.66); 7 (0.67-0.77); 8 (0.78-0.88) y 9 (0.89-1.00)

Quercus suber
2000 Figura 5. Presencia de Q. suber en las clases
1500 de probabilidad de Q. pyrenaica. Como en el
area km²

1000 caso anterior, existe exclusión entre ambos

500 tipos de bosque aunque no tan marcada (ver
0 texto).
1 2 3 4 5 6 7 8 9

En la planificación forestal, estas zonas deben ser excluidas del área potencial ya que se encuen-
tran ocupadas actualmente otro tipo de vegetación que debe respetarse. Resulta interesante obser-
var la exclusión no tan estricta del alcornoque respecto a las zonas de alta idoneidad del rebollo.
En efecto, existen zonas de cierta extensión donde ambas especies aparecen en formaciones mix-
tas. Debemos recordar que el alcornoque, identificada a veces como una especie xerófila, no lo es
y presenta exigencias de humedad que lo excluyen de zonas más áridas donde la carrasca se con-
vierte en la especie dominante.
3.3.2. Plantaciones arbóreas
En la zona de estudio existen plantaciones de Castanea sativa y de varias especies de Pinus y de
Eucaliptus. Las distribuciones de frecuencias se muestran en la Figura 6.

Pinus pinaster Pinus pinea

500 200
400 150
area km²

area km²

300
100
200
100 50
0 0
1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9
 CIOT 2003 - IV CONGRESO INTERNACIONAL DE ORDENACIÓN DEL TERRITORIO, ZARAGOZA (ESPAÑA)

Castanea sativa Eucaliptus camaldulensis

80 800
60 600

area km²
area km²

40 400
20 200
0 0
1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9

Figura 6. Presencia de las 4 especies más frecuentes usadas en plantaciones en las clases de
idoneidad de Q. pyrenaica.
Puede observarse que Pinus pinaster y Castanea sativa fueron plantados en áreas de alta idoneidad
para Q. pyrenaica. En cambio, Pinus pinea y Eucaliptus camaldulensis manifiestan preferencias
muy distintas y se distribuyen en áreas de baja idoneidad. Otra especie no representada y menos
extendida, Pinus sylvestris con 11.5 km2, aparece de forma exclusiva en la clase de máxima ido-
neidad.
Finalmente, debe destacarse la presencia en zonas idóneas de formaciones arbustivas donde domi-
nan los escobonales (Cytisus sp.) y los brezales (Erica sp.). Estas formaciones deben interpretarse
como etapas de sustitución presentes donde el bosque original ha sido eliminado; si la degradación
del suelo ha sido moderada proliferan los escobonales mientras que los brezales son característicos
de suelos más degradados.

APLICACIONES EN PLANIFICACIÓN FORESTAL

El mapa de idoneidad, junto con las estadísticas de ocupación por otras especies, permiten orientar
sobre las actuaciones y definir las zonas prioritarias para aplicarlas. Por ejemplo, en esta zona pue-
den plantearse tres tipos de actuación principales que definen 3 tipos de zonas:
Zonas de Tipo 1, donde la conservación de la vegetación actual es la acción prioritaria. Estas zonas
son aquellas acupadas actualmente los bosques de Q. pyrenaica y las formaciones de Castanea sa-
tiva, especie probablemente exótica pero bien integrada en las comunidades vegetales locales.
Zonas de Tipo 2, donde se actúa para reducción de la fragmentación del bosque mediante la recu-
peración de zonas ocupadas por formaciones de sustitución (en el sentido de sucesión ecológica).
Serán éstas matorrales o arbustos (principalmente de Cytisus sp.) donde la degradación es modera-
da, y brezales (Erica sp.) donde la degradación y pérdida de suelo es más importante. Las zonas de
actuación serán aquellas donde concurren los valores de idoneidad más altos con una ocupación
actual por las formaciones de sustitución. Las prioridades de actuación dentro del conjunto de zo-
nas candidatas serán aquellas donde concurran las mayores superficies, clases 8 y 9 de idoneidad y
vecindad de zonas de Tipo 1 que pueden facilitar la llegada de semilla y, en consecuencia, la rápi-
da regeneración.
Zonas de Tipo 3, donde la realizará la sustitución progresiva de especies exóticas entre las cuales
destacan las extensas plantaciones de Pinus y pequeños rodales de Eucaliptus. Las prioridades
vendrán definidas, como en el caso anterior por la concurrencia de valores altos de idoneidad y
cercanía a zonas de Tipo 1.
La Figura 7 muestra los mapas de síntesis de estas actuaciones en las dos zonas de alta idoneidad
más importantes: zona Norte de la provincia de Cáceres y zona de las Villuercas. En esta última,
 CIOT 2003 - IV CONGRESO INTERNACIONAL DE ORDENACIÓN DEL TERRITORIO, ZARAGOZA (ESPAÑA)

por ejemplo, además de áreas relativamente extensas de Q. pyrenaica existe la posibilidad de redu-
cir la fragmentación del bosque actuando sobre zonas de matorral que actualmente separan los ro-
dales de bosque y de ampliar su extensión total con la sustitución de las plantaciones de Pinus.

Figura 7. Mapas de orienta-

ción de usos basados en los
criterios explicados en el
texto. Arriba: zona Norte;
abajo: zona de las Villuercas
(Este de Extremadura)

DISCUSIÓN
Tradicionalmente, los factores ambientales han sido considerados como los mayores condicionan-
tes de la distribución de la vegetación [13]. Los primeros trabajos para estalecer estas relaciones
fueron analíticos, explorando la asociación entre una especie y una variable [5], posteriormente los
medios informáticos permitieron abordar análisis multivariables (análisis factorial, clasificación,
etc.).
Los modelos de idoneidad construidos mediante regresión logística sintetizan la respuesta de las
especies vegetales ante un conjunto de factores ambientales que intervienen en su distribución es-
pacial. Se trata de modelos basados en datos reales (data driven) y en métodos estadísticos por lo
que están libres de subjetividad. Nuestra experiencia es que este tipo de modelos suele dar buenos
resultados en las zonas montañosas debido a que los factores limitantes son principalmente físicos:
altitud, insolación potencial, pendiente, etc. Estos factores suelen ser conocidos (elevación) o, al
menos, pueden ser modelizados con precisión suficiente (insolación potencial).
Quercus pyrenaica es una especie de amplia distribución biogeográfica en la Península Ibérica
pero siempre asociado al llamado sector submediterráneo: montañas con mayores precipitaciones
que las llanuras circundantes, por lo que permiten la existencia de especies que soportan mal la
aridez estival [2]. El modelo de idoneidad construido refleja con bastante exactitud la distribución
espacial actual del rebollo y predice un área de distribución potencial de extensión y características
razonables desde el punto de vista biológico. Otro argumento que aumenta la fiabilidad aparente
del modelo es el análisis de la vegetación actual en el área potencial. En todos los casos se trata de
formaciones que pueden considerarse de sustitución en el sentido de la sucesión ecológica de
comunidades vegetales. Las formaciones arbustivas y los brezales se generan por eliminación del
bosque y pérdida progresiva del suelo. Las plantaciones arbóreas de pinos probablemente se re-
 CIOT 2003 - IV CONGRESO INTERNACIONAL DE ORDENACIÓN DEL TERRITORIO, ZARAGOZA (ESPAÑA)

alizaron sobre este tipo de áreas previamente degradadas y se encuentran actualmente sometidas a
una práctica silvícola de entresaca para producción de madera [11].
La transición del modelo a las actuaciones es un problema cuya solución necesita información
complementaria, especialmente sobre la propiedad del terreno y su gestión económica actual.
Abordar este aspecto excede la capacidad de este trabajo y las actuaciones que se proponen debe
considerarse sólo como un ejemplo de aplicación directa de la información que proporciona el
modelo. Debe destacarse, sin embargo, que los mapas y estadísticas que pueden elaborarse medi-
ante los métodos expuestos reflejan datos objetivos de innegable utilidad; la combinación de estos
mapas con el parcelario y datos básicos de gestión de los montes puede completar satisfactoria-
mente un sistema de decisión útil y que consideramos novedoso como método de ayuda a la de-
cisión en planificación territorial.

AGRADECIMIENTOS
Este trabajo forma parte del Proyecto “Desarrollo de modelos de idoneidad para la vegetación en
Extremadura mediante Sistemas de Información Geográfica. Aplicación a la conservación y regen-
eración de recursos, a la gestión y conservación de la diversidad biológica y a la recuperación de
zonas degradadas” cofinanciado por la Junta de Extremadura (Consejería de Educación, Ciencia y
tecnología) dentro del II Plan Regional de Investigación, Desarrollo Tecnológico e Innovación de
Extremadura y Fondo Europeo de Desarrollo Regional (FEDER).

9. BIBLIOGRAFÍA
[1] Agterberg, F.P. Estimating the probability of occurrence of mineral deposits from multiple
map patterns. En Use of Microcomputers in Geology, D.F. Merriam and H. Kürzl (Eds.), pp. 73-
92. Plenum Press, New York., 1992.
[2] Blanco Castro, E., Casado González, M.A., Costa Tenorio, M., Escribano Bombín, R.,
García Antón, M., Génova Fuster, M., Gómez Manzaneque, A., Gómez Manzaneque, F., Moreno
Saiz, J.C., Moria Juaristi, C., Regato Pajares, P. and Sainz Ollero, H. Los bosques ibéricos. Una
interpretación geobotánica, Planeta, Barcelona, 1997.
[3] Felicísimo, A.M., Francés, E., Fernández, J.M., González-Díez, A. and Varas, J. Modeling
the potential distribution of forests with a GIS. Photogrammetric Engineering and Remote
Sensing, 68, 5, 455-461, 2002.
[4] Fernández Cepedal, G. and Felicísimo, A.M. Método de cálculo de la radiación solar
incidente en áreas con apantallamiento topográfico. Revista de Biología de la Universidad de
Oviedo, 5, 109-119, 1987.
[5] Gauthier, B., Godron, M., Hiernaux, P. and Lepart, J. Un type complementaire de profil
écologique: le profil écologique ‘indicé’. Canadian Journal of Botany, 33, 2859-2865, 1977.
[6] Godron, M. Les principaux types de profils écologiques. CNRS-CEPE, 8 pp. Montpellier,
1965.
[7] Guisan, A., Theurillat, J.-P. and Kienast, F. Predicting the potential distribution of plant
species in an alpine environment. Journal of Vegetation Science, 9, 65-74, 1998.
[8] Heywood, H. Standard date periods with declination limits. Nature, 204, 678, 1964.
 CIOT 2003 - IV CONGRESO INTERNACIONAL DE ORDENACIÓN DEL TERRITORIO, ZARAGOZA (ESPAÑA)

[9] Higgins, Steven I., Richardson, David M., Cowling, Richard M. and Trinder-Smith, Terry H.
Predicting the landscape-scale distribution of alien plants and their threat to plant diversity.
Conservation Biology, 13, 2, 303-313, 1999.
[10] Hutchinson, M.F. The application of thin plate smoothing splines to continent-wide data
assimilation. En Data Assimilation Systems, J.D. Jasper (Ed.), pp. 104-113. BMRC Research
Report No. 27, Bureau of Meteorology, Melbourne, 1991.
[11] ICONA. Segundo Inventario Forestal Nacional 1986-1995. Extremadura, Cáceres,
Ministerio de Agricultura, Pesca y Alimentación, Madrid, 1994.
[12] Jongman, R.H.G., Ter Braak, C.J.F. and van Tongeren, O.F.R. (Eds.) Data analysis in
community and landscape ecology, Cambridge University Press, Cambridge, 1995.
[13] Leduc, A., Drapeau, P., Bergeron, Y. and Legendre, P. Study of spatial components of forest
cover using partial Mantel tests and path analysis. Journal of Vegetation Science, 3, 69-78, 1992.
[14] Lennon, Jack J. and Turner, John R.G. Predicting the spatial distribution of climate
temperatura in Great Britain. Journal of Animal Ecology, 64, 370-392, 1995.
[15] Lund, H. G. and Iremonger, S. Omissions, commissions, and decisions: the need for
integrated resource assessments. Forest Ecology and Management, 128, 3-10, 2000.
[16] Mladenoff, David J., Sickley, Theodore A. and Wydeven, Adrain P. Predicting gray wolf
landscape recolonization: logistic regression modelos vs. new field data. Ecological Applications,
9, 1, 37-44, 1999.
[17] Narumalani, S., Jensen, J.R., Althausen, J.D., Burkhalter, S. and Mackey, H.E. Aquatic
macrophyte modeling using GIS and logistic multiple regression. Photogrammetric Engineering
and Remote Sensing, 63, 1, 41-49, 1997.
[18] Pereira, J.M.C. and Itami, R.M. GIS-based habitat modeling using logistic multiple
regression: a study of the Mt. Graham Red Squirrel. Photogrammetric Engineering and Remote
Sensing, 57, 11, 1475-1486, 1991.
[19] Peucker, T.K., Fowler, R.J.. Little, J.J. and Mark, D.M. The triangulated irregular network.
Proceedings of the ASP Digital Terrain Models (DTM) Symposium, pp. 516-540. American
Society of Photogrammetry, Falls Church, Virginia, 1978.
[20] Thomson, M.C., Elnaiem, D.A., Ashford, R.W. and Connor, S.J. Towards a kala azar risk
map for Sudan: mapping the potential distribution of Phlebotomus orientalis using digital data of
environmental variables. Tropical Medicine and International Health, 4, 2, 105-113, 1999.
[21] van de Rijt, C.W.C.J., Hazelhoff, L. and Blom, C.W.P.M. Vegetation zonation in a former
tidal area: a vegetation-type response model based on DCA and logistic regression using GIS.
Journal of Vegetation Science, 7, 505-518, 1996.
[22] Wilson, W.L., Day, K.R. and Hart, E.A. Predicting the extent of damage to conifer seedlings
by the pine weevil (Hylobius abietis L.): a preliminary risk model by multiple logistic regression.
New Forests, 12, 203-222, 1996.