Los incendios forestales representan una amenaza significativa en el suroeste de Estados Unidos debido a la topografía y las condiciones climáticas únicas de la región. Identificar con precisión las zonas con mayor riesgo de incendio forestal grave es fundamental para implementar medidas preventivas.
por Society for Risk Analysis
Con este objetivo en mente, los científicos de la Universidad de Buffalo han desarrollado GeoFlame VISION , un modelo informático propuesto que utiliza IA e imágenes satelitales para producir un mapa dinámico de riesgo de incendios forestales a una escala espaciotemporal granular para todo Estados Unidos.
Los autores presentaron un estudio de caso de California utilizando su modelo en la Reunión Anual de la Sociedad para el Análisis de Riesgos en Washington, DC.
«Este novedoso enfoque de integración de datos de teledetección con aprendizaje automático e IA no solo contribuirá a la mitigación eficiente de incendios forestales, sino que también facilitará la toma de decisiones relacionadas con la gestión territorial y la expansión controlada de las regiones de interfaz urbano-forestal (IUF), lo que a su vez puede reducir el riesgo de daños provocados por incendios forestales a las infraestructuras críticas y las comunidades de la IUF en el futuro», afirma Sayanti Mukherjee, profesora adjunta de ingeniería industrial y de sistemas en la Universidad de Buffalo y autora correspondiente del estudio.
Resultados preliminares del mapa dinámico de riesgo de incendios forestales de California:
- Las zonas este, suroeste y noroeste de California son significativamente más vulnerables a los incendios forestales que otras regiones. Esto se debe principalmente a que el impacto de los vientos secos y cálidos de Santa Ana es particularmente pronunciado en las regiones suroeste y norte de California, lo que aumenta la probabilidad de incendios forestales en estas zonas.
- Según el mapa, los condados californianos de Mono, Inyo, Mariposa, Ventura y Tulare presentan el mayor riesgo de incendios forestales. El incendio del aeropuerto de 2022 en Inyo y el incendio de Thomas de 2017 en Ventura refuerzan la credibilidad y precisión de este hallazgo.
- El modelo muestra que los condados de Los Ángeles y Mono se encuentran en zonas críticas de incendios forestales debido a sus climas secos, vegetación única y direcciones de viento predominantes.
- Los predictores clave del riesgo de incendios forestales son los factores climáticos, topográficos y de vegetación.
- La velocidad del viento juega un papel importante en la ocurrencia de un incendio forestal grave, seguida por la diferencia normalizada en el índice de vegetación (NDVI) y la precipitación.
«El riesgo de incendio forestal en una región no solo depende de las variables topográficas, de la cobertura del suelo y del clima, sino también del entorno construido , como los edificios y la infraestructura de la red eléctrica, que a menudo se pasa por alto en los modelos tradicionales de propagación de incendios forestales basados en la física», dice Poulomee Roy, autor principal del estudio y candidato a doctorado en la Universidad de Buffalo.
«Por lo tanto, las interacciones entre todos estos factores —que incluimos en nuestro estudio— son fundamentales para modelar el riesgo dinámico de incendios forestales».
Para crear el mapa, los investigadores utilizaron datos de imágenes satelitales del Espectrorradiómetro de Imágenes de Resolución Moderada (MODIS) de la NASA para extraer información sobre las áreas históricamente quemadas entre 2015 y 2022 a una escala semanal (con pequeñas áreas marcadas como quemadas o no quemadas). Este conjunto de datos se integró con información sobre variables como la topografía, la altitud, el clima, la vegetación, la velocidad del viento y la ubicación de infraestructuras críticas, como edificios residenciales y centrales eléctricas.
Mediante inteligencia artificial avanzada basada en visión y otras tecnologías, se realizó un análisis predictivo basado en píxeles de las zonas afectadas por incendios forestales. El mapa tiene una precisión de aproximadamente el 92 % al predecir el riesgo dinámico de incendios forestales a una escala espaciotemporal granular (basado en datos reales de incendios forestales pasados).
