Resumen Los análisis post incendio, como el índice de área quemada (IAQ), permiten discriminar áreas afectadas y severidad de los incendios forestales. En este estudio se comparó según la frecuencia de incendios, el comportamiento anual del IAQ en la región de bosque seco tropical del Área de Conservación Guanacaste, Costa Rica entre los años 1997 al 2019. Los resultados evidencian que las áreas frecuentemente quemadas por incendios forestales muestran un comportamiento diferenciado en el IAQ a lo largo de todos los años. Mostrando una relación directa entre la frecuencia de incendios forestales y los valores de IAQ. Donde a mayor frecuencia de incendios forestales, los valores de IAQ son mayores. Por otro lado, las áreas que han sido poco afectadas o no han sido afectadas del todo mostraron valores bajos de IAQ. Estos resultados podrían validar la hipótesis de que después de dos a tres incendios, el banco de semillas es completamente destruido. Esto debido a que la composición y estructura de los bosques secos tropicales cambia considerablemente después de múltiples incendios.

Abstract Post-fire analysis such as the burned area index (BAI) allows us to discriminate affected areas and the severity of fires. In this study, the annual behaviour of the BAI was analyzed in the tropical dry forest region of the Guanacaste Conservation Area, Costa Rica among 1997 to 2019 according to the frequency of fires. Our results show that the areas frequently burned by forest fires display a differentiated behaviour in the BAI throughout the years. Where, the greater the frequency of forest fires is, the higher the BAI values. On the other hand, areas that have not been affected or have been affected by a single fire showed low BAI values. These results could validate the hypothesis that after two to three fires, the forest seed bank is destroyed. Consequently, the composition and structure of tropical dry forests change considerably after the occurrence of many fires.

ABSTRACT The study aimed to determine possible differences between the measurement of heart rate for times less than 60 seconds (30 and 15 seconds) in horses. For this, 37 healthy adult horses were evaluated, and heart rate measurement was performed using a stethoscope and a stopwatch, simultaneously by three people. Heart rates were taken by 15" (t15) for person 1; 30" (t30) for person 2 and 60" (t60) for person 3. The mean and standard deviation of the three measurements were determined and compared by analysis of variance. Differences were found between t15 and t60 and between t30 and t60 (p<0.001); but with differences between 2 and 2.5 seconds between measurement times. In conclusion, taking the heart rate measurement in less than a minute could generate under or overvaluations.

RESUMEN El estudio busca establecer posibles diferencias entre la medición de la frecuencia cardiaca por tiempos inferiores a los 60 segundos (30 y 15 segundos) en caballos. Para esto, se evaluaron 37 caballos adultos sanos a los cuales se les realizó medición de frecuencia cardíaca, utilizando estetoscopio y cronómetro, de manera simultánea por tres personas. Las frecuencias cardiacas se tomaron por 15" (t15) por la persona 1; 30" (t30) por la persona 2 y 60" (t60) por la persona 3. Se determinó el promedio y desviación estándar de las tres frecuencias de medición y se compararon mediante análisis de varianza. Se encontraron diferencias entre t15 y t60 y entre t30 y t60 (p<0.001); pero con diferencias entre 2 y 2.5 segundos entre tiempos de medición. En conclusión, hacer la medición de la frecuencia cardíaca en menos de un minuto podría generar subo sobrevaloraciones.

ABSTRACT: Wildfires occur in almost every type of ecosystem. However, vulnerability and propagation capacity of wildfires mostly relies on the amount of biomass and their water content. Particularly, Tropical dry forests are a vulnerable ecosystem to wildfires because, have at least six months with a precipitation of less than ten mm per month. Vulnerability assessment is a critical tool on wildfires management, defining the most vulnerable areas within the conservation area.The objective of this study was the implementation of a wildfire vulnerability model to identify priority areas for control and management of fire at Guanacaste Conservation Area (ACG). This model was designed integrating ecological components such as visual quality and biodiversity; and socio-economic components such as infrastructure and ecosystems services provided by ACG. Our results indicated that the most vulnerable areas at ACG contains a high density of species with pivotal ecological roles on ecosystem services. On the other hand, the less vulnerable areas are close to roads and communities. However, those last frequently experience wildfires. We expect that this model can be adapted in other protected wild areas with similar ecological and socio-economic characteristics to ACG and are often affected by wildfires taking into consideration the particularities present in each site.

RESUMEN: Los incendios forestales ocurren en casi todos los tipos de ecosistemas; sin embargo, la vulnerabilidad y capacidad de programación de los incendios depende en gran medida de la cantidad de combustible y el contenido de humedad. Los bosques secos tropicales en particular son un ecosistema vulnerable a los incendios, ya que durante al menos 6 meses por año reciben una precipitación de menos a 10mm por mes. La evaluación de la vulnerabilidad es una herramienta crítica en la prevención de incendios forestales, al estimar los sitios más vulnerables al fuego. El objetivo de este estudio fue implementar un modelo de vulnerabilidad ante incendios forestales que permita definir áreas prioritarias para el control del fuego en el Área de Conservación Guanacaste (ACG). El modelo se diseñó integrando componentes ecológicos como calidad visual y biodiversidad, y componentes socioeconómicos como infraestructura y servicios ecosistémicos presentes en el ACG. Nuestros resultados indican que las áreas más vulnerables a incendios forestales en el AGC existen una presencia alta de especies de alto valor ecológico y mayor desarrollo de servicios ecosistémicos. Por otro lado, las zonas que se encuentran cerca de comunidades y carreteras son menos vulnerables; sin embargo, presentan una mayor incidencia de incendios forestales. Se espera que este modelo puede ser adaptado en otras áreas silvestres protegidas con características ecológicas y socioeconómicas a las del AGC y que se vean afectadas por incendios forestales, tomando en consideración las particularidades de cada sitio.

Resumen Por décadas la detección y el monitoreo de coberturas de la tierra se ha llevado a cabo por medio de teledetección aéreo-transportada y satelital. La habilidad de detectar y cuantificar coberturas de la tierra depende en gran medida de las capacidades del sensor y técnicas de clasificación entre las cuales destacan supervisada, no supervisada y mixta. El método supervisado se considera el más preciso; sin embargo, depende de la capacidad del algoritmo utilizado para discriminar las categorías. En las coberturas de la tierra asociadas al bosque seco tropical del Área de Conservación Guanacaste, Costa Rica se realizaron series de clasificaciones supervisadas, utilizando los algoritmos Minimum Distance, Mahalanobies, Maximum Likelihood, Neural Network, Support Vector Machine y Parallelepiped para determinar cuál algoritmo clasificaba mejor cada cobertura (bosque tardío, bosque temprano, bosque intermedio, bosque de galería, pastos, manglar) según puntos de control tomados mediante trabajo de campo. De acuerdo al índice de kappa y valores de precisión se destacó el rendimiento de Maximum Likelihood y Neural Network en la clasificación de las coberturas de la tierra. Este estudio demuestra que un esquema jerárquico y multi-algoritmo puede propulsar los resultados de la clasificación de coberturas de la tierra al contemplar las ventajas y limitaciones de cada algoritmo de clasificación; especialmente si se considera aspectos relativos al tamaño de muestra, resoluciones del sensor (temporal, espacial, radiométrica, espectral), condiciones atmosféricas y composición de la vegetación y paisaje.

Abstract For decades the detection and monitoring of land cover have been performed by aerialtransported remote sensing and satellites. Detecting and quantifying land cover relays on sensor capacities and classification techniques, such as supervised, unsupervised and mixed. The supervised method is the most accurate and depends on the ability of the algorithm used to discriminate the categories. On the land cover associated to the tropical dry forest at Guanacaste Conservation Area, Costa Rica, supervised classifications were used, using the Minimum Distance, Mahalanobies, Maximum Likelihood,Neural Network, Support Vector Machine and Parallelepiped algorithms to determine which algorithm classified the coverages better (late forest, early forest, intermediate forest, gallery forest, pasture, mangrove) according to control points taken through field work. According to the kappa index and precision values the performance of Maximum Likelihood and Neural Network was highlighted in the classification of land coverages. This study demonstrates that a hierarchical and multi-algorithm scheme can propel the results of the classification of land cover by considering the advantages and limitations of each classification algorithm, especially when considering aspects related to sample size, sensor resolutions (temporal, spatial, radiometric, spectral), atmospheric conditions and composition of vegetation and landscape.