California ha enfrentado incendios devastadores: solo en 2018 se quemaron 1.6 millones de acres, se perdieron más de 100 vidas y se generaron pérdidas económicas cercanas a los 800 millones de dólares. Un grupo de investigadores de la Universidad Estatal de San José ha desarrollado un modelo de predicción de incendios que utiliza aprendizaje automático con datos espaciales y climáticos detallados.
¿Puede este tipo de modelo salvar vidas y proteger bosques? Todo apunta a que sí.
Información del estudio
- Título: Data-Driven Wildfire Risk Prediction in Northern California
- Autores: Malik, Rao, Puppala, Koouri, Thota, Liu, Chiao, Gao
- Publicado en: Atmosphere, enero de 2021
- DOI: https://www.mdpi.com/2073-4433/12/1/109
¿Qué hicieron los investigadores?
Aplicaron modelos de Random Forest y otras técnicas de aprendizaje automático para predecir incendios cerca de Monticello y Winters (California). Integraron:
- Datos climáticos (temperatura, humedad, viento, lluvia).
- Datos satelitales de vegetación (NDVI, EVI, NDWI).
- Datos topográficos (pendiente, orientación).
- Información de líneas eléctricas.
- Historial de incendios.
La zona se dividió en cuadrículas de 1 km² para una predicción más precisa.
Hallazgos clave
- El modelo combinado (que unifica todos los parámetros) alcanzó una precisión del 92%.
- Superó al modelo de ensamblaje (ensemble), que tuvo una precisión del 84%.
- El uso de índices de vegetación mejoró la detección temprana del riesgo de ignición.
- La inclusión de datos de líneas eléctricas ayudó a detectar incendios por fallas técnicas en días de viento.
- Se identificaron cuadrículas con mayor probabilidad de incendio en tiempo real, lo que permite actuar preventivamente.
¿Por qué es importante?
- La mayoría de modelos actuales solo usan clima o vegetación por separado.
- Este estudio logra una predicción más acertada al integrar múltiples fuentes de datos.
- Permite acciones tempranas de mitigación y evacuación, salvando vidas y recursos.
- Puede ser adaptado a otras regiones del mundo, incluyendo áreas vulnerables de Ecuador o América Latina.
Conclusiones:
- Un modelo bien entrenado puede predecir igniciones de incendio con datos horarios o quincenales.
- La inteligencia artificial supera a los métodos tradicionales en precisión.
- Requiere datos limpios y completos, pero el esfuerzo se traduce en mejor preparación ante desastres.