Predicción de incendios forestales extremos mediante el acoplamiento de modelos de ignición y éxito del ataque inicial

Abstract

El objetivo principal de este estudio es predecir condiciones extremas de incendios forestales proporcionando un producto que describa la probabilidad de que un incendio se inicie (por causa natural o antrópica) y escape a la contención. Para ello, hemos combinado modelos empíricos de probabilidad de ignición y capacidad de contención utilizando técnicas de aprendizaje artificial para calibrar modelos de regresión binaria. Se han combinado datos históricos de ignición de incendios forestales y capas geoespaciales que representan los principales factores de ignición y contención: accesibilidad, presión humana sobre las zonas forestales, humedad y disponibilidad del combustible. El enfoque se ha implementado a lo largo de la costa mediterránea de España. Nuestra estrategia persigue mejorar la capacidad de reducción del riesgo identificando las zonas prioritarias de intervención. Los resultados indican una buena capacidad predictiva en los modelos de ignición de incendio (AUC>0,80), y una capacidad modesta, aunque suficiente, para evaluar la capacidad de contención (AUC≈0,70). La accesibilidad por carretera controla en gran medida el patrón espacial de ignición y contención, mientras que el contenido de humedad del combustible muerto modula el comportamiento temporal de probabilidad de ignición. Estos resultados se han utilizado para comprender la evolución futura del potencial de ocurrencia de incendios extremos (en escenarios SSP o Shared Socieconomic Pathways) utilizando técnicas de

Marcos Rodrigues

Professor of Geographic Information Science

My research interests include forest fires, spatial analysis and forestry.