Las simulaciones de incendios han mejorado enormemente la forma en que las agencias de bomberos y otras entidades abordan la gestión de los incendios forestales. Estas herramientas permiten predecir cómo se propagará y comportará un incendio, proporcionando a los bomberos información valiosa para la toma de decisiones estratégicas. Sin embargo, incluso con la ayuda de estas simulaciones avanzadas, sigue habiendo limitaciones e incertidumbres que pueden afectar a la precisión.

Para abordar este reto, Technosylva lideró en 2019 un estudio revisado por pares, publicado en la revista académica Ecological Modelling, en el que se demuestra un método innovador implementado en Wildfire Analyst™ para ajustar las simulaciones de incendios en tiempo real. El método determina los factores de ajuste necesarios para obtener la velocidad de propagación óptima por modelo de combustible, con el fin de minimizar el error en el tiempo de llegada entre el incendio simulado y un conjunto de puntos de control donde se conoce el tiempo de llegada del incendio observado (real). Los resultados mostraron una reducción significativa del error y un mejor ajuste entre el crecimiento del incendio simulado y la propagación real del incendio.

Conclusiones de la investigación

Las agencias de respuesta ante incendios han recurrido a la simulación y modelización de incendios como herramientas clave para predecir cómo se propagarán y comportarán los incendios forestales en distintas condiciones. Esta información ayuda a desarrollar estrategias y tácticas de extinción y prevención. A lo largo de los años se han desarrollado numerosas herramientas informáticas de simulación de incendios, como Farsite, Nexus, FlamMap, BehavePlus, ForeFire y Wildfire Analyst (WFA).

Aunque estas simulaciones son herramientas potentes, su precisión es vital para una toma de decisiones eficaz durante los incidentes de incendios forestales. Sin embargo, hay varios factores que pueden introducir incertidumbres y errores en las simulaciones de incendios, como las limitaciones y suposiciones de los modelos y las incertidumbres de los datos de entrada, como las condiciones meteorológicas, los tipos de combustible y la topografía. Estas incertidumbres pueden hacer que las simulaciones se desvíen de la propagación real del fuego, lo que puede ser problemático en situaciones de extinción en tiempo real.

Un método novedoso de aproximación

Un método innovador implementado en Wildfire Analyst permite ajustar las simulaciones de incendios en tiempo real. El objetivo de este método es determinar factores de ajuste que optimicen la velocidad de propagación del incendio según el modelo de combustible específico, minimizando el error en los tiempos de llegada en comparación con los puntos de control observados.

El análisis revisa dos estudios de caso de Cataluña, España, donde se aplicó este método. El clima de la zona de estudio se caracteriza por veranos calurosos y secos con escasas precipitaciones invernales, lo que la hace propensa a los incendios forestales. Los incendios seleccionados, Castell d’Aro y San Llorenç Savall, fueron seguidos de cerca por los bomberos durante las operaciones de extinción, lo que proporcionó datos valiosos para probar el método de ajuste.

Resultados de la investigación

El núcleo del método consiste en calcular los factores de ajuste de la Tasa de Propagación (ROS) para los distintos modelos de combustible que intervienen en las simulaciones de incendios. Estos factores son específicos de cada modelo de combustible y se utilizan para ajustar la ROS inicial. El proceso de ajuste se basa en un enfoque de mínimos cuadrados, cuyo objetivo es minimizar el error entre el crecimiento simulado del incendio y las observaciones del mundo real. El método permite realizar ajustes en tiempo real y requiere unos datos de entrada mínimos.

Los resultados de los casos prácticos demuestran la eficacia de este enfoque. Sin ajuste, las simulaciones iniciales subestimaron significativamente el ROS real, sobre todo en la cabeza de los incendios. Sin embargo, tras aplicar los factores de ajuste, la propagación simulada del fuego se ajustó estrechamente al comportamiento del fuego observado, reduciendo tanto los errores de tiempo como de área.

Las implicaciones de este método son significativas. Los bomberos y los gestores pueden acceder ahora a simulaciones de incendios más precisas y coherentes, especialmente en situaciones de incendios forestales en tiempo real, en las que es crucial tomar decisiones rápidas. Esta herramienta puede utilizarse para reconstruir incendios pasados, analizar el comportamiento del fuego y apoyar la planificación operativa y la toma de decisiones.

Aunque el método de ajuste presentado en este estudio supone un cambio de juego para mejorar la precisión de las simulaciones de incendios, hay que tener en cuenta varias consideraciones. Principalmente ajusta los modelos de combustible incluidos en el modo de ajuste, por lo que la presencia de modelos de combustible adicionales en las simulaciones en tiempo futuro puede requerir ajustes adicionales. Factores como los vientos locales, que no se tienen en cuenta en las simulaciones iniciales, también pueden influir en el ROS de forma diferente según las zonas.

Próximos pasos de la investigación

El innovador método del estudio para ajustar en tiempo real las simulaciones de incendios es una valiosa aportación al conjunto de herramientas de la lucha contra incendios. Aborda la necesidad crítica de predicciones precisas sobre la propagación del fuego ante incendios forestales cada vez más frecuentes y graves. Al reducir las incertidumbres y los errores de las simulaciones, capacita a los organismos de lucha contra incendios para tomar decisiones más informadas y proteger mejor las vidas, los bienes y el medio ambiente en la batalla contra los incendios forestales.

Infórmate sobre cómo se pone en práctica esta ciencia.

Los incendios forestales en California y en todo el mundo han provocado importantes pérdidas sociales y económicas. Como respuesta, se está prestando mucha atención a la modelización del comportamiento de los incendios forestales en el monte para ayudar a desarrollar estrategias de reducción del combustible y extinción de incendios. Las observaciones posteriores a varios incendios históricos indican que, dentro de las comunidades afectadas, algunas estructuras inflamables tienden a sobrevivir aunque la mayoría de las cercanas hayan sido destruidas. Esta aparente aleatoriedad espacial en los patrones de daños plantea una pregunta importante: ¿Puede predecirse la probabilidad de supervivencia de edificios individuales en caso de incendio forestal?

Lo que hace falta es un planteamiento más holístico que integre las características del terreno salvaje con las del entorno construido para predecir mejor los daños y las pérdidas de edificios.

Para avanzar en este importante objetivo de modelización, Technosylva lideró en 2022 un estudio revisado por pares, publicado en la revista científica Scientific Reports, que utilizó conceptos integrados de la teoría de grafos para crear una métrica de vulnerabilidad relativa capaz de cuantificar la probabilidad de supervivencia de edificios individuales dentro de una zona afectada por incendios forestales. Al emular los daños observados en incendios forestales históricos, el análisis pudo poner a prueba y perfeccionar este marco, dando como resultado hallazgos que muestran que ambas formulaciones, que modelan las pérdidas en los rangos medio y extremo basadas en centralidades de grafos, fueron eficaces para evaluar la vulnerabilidad relativa de los edificios.

Conclusiones de la investigación

El estudio presenta un enfoque innovador para predecir la supervivencia de edificios individuales durante incendios forestales utilizando conceptos de la teoría de grafos. Aborda una cuestión crucial en el campo de la gestión de incendios: ¿por qué algunas estructuras dentro de comunidades afectadas por incendios consiguen sobrevivir mientras que los edificios vecinos sucumben a las llamas? Aunque los modelos tradicionales de comportamiento de los incendios forestales destacan en entornos naturales, a menudo se quedan cortos a la hora de explicar la compleja dinámica dentro de las zonas edificadas. Este estudio pretende colmar esa laguna introduciendo una metodología novedosa que aprovecha la teoría de grafos para modelizar la propagación de los incendios forestales dentro de las comunidades.

Definir el modelado en la investigación

La investigación comienza introduciendo un modelo gráfico de incendios forestales, que sirve de base al estudio. El modelo representa las intrincadas interacciones entre edificios y vegetación en zonas afectadas por incendios forestales. Para aumentar la precisión del modelo, los investigadores incluyen nodos que tienen en cuenta tanto la vegetación forestal como la urbana. Estos dos tipos de vegetación son reconocidos como factores influyentes en la determinación de la intensidad y la velocidad de propagación del fuego. Además, el modelo incorpora varias características de los edificios, como el tipo de cubierta, los aleros, el tipo de tejado, el tipo de ventilación, la valla y el cristal de la ventana, ya que estos factores afectan significativamente a la vulnerabilidad de una estructura a los incendios forestales.

Medidas de centralidad y vulnerabilidad de los edificios

El núcleo del estudio consiste en evaluar distintas medidas de centralidad de la teoría de grafos para evaluar la vulnerabilidad de los edificios individuales dentro de la comunidad afectada por el incendio forestal. Las medidas de centralidad tradicionales consideradas incluyen:

1. Centralidad de proximidad: Mide lo cerca que está un nodo de todos los demás nodos de la red.
2. Centralidad Eigenvectorial: Evalúa la influencia de un nodo en función de sus conexiones con otros nodos influyentes.
3. Coeficiente de agrupación: Evalúa en qué medida los vecinos de un nodo están conectados entre sí.
4. Centralidad de Gravedad: Determina la importancia de los nodos en función de su distribución espacial en la red.
5. Centralidad de grado: Mide el número de conexiones que tiene un nodo.
6. Centralidad de interrelación: Identifica los nodos que actúan como puentes entre distintas partes de la red.

Las medidas tradicionales de centralidad están ampliamente aceptadas en el análisis de redes, pero se ha descubierto que tienen una precisión limitada cuando se trata de predecir los daños a edificios en escenarios de incendios forestales.

Formulaciones novedosas para construir la vulnerabilidad

Para subsanar las deficiencias de las medidas de centralidad tradicionales, el documento introduce dos formulaciones novedosas para evaluar la vulnerabilidad de los edificios:

1. Formulación de grado modificada: Este enfoque se centra en la influencia de los nodos cercanos. Calcula la vulnerabilidad relativa de los edificios individuales teniendo en cuenta la media de los pesos de las aristas entrantes de los nodos vecinos. Además, introduce un mecanismo para eliminar las conexiones de bajo impacto, mejorando así la precisión.
2. Formulación de Caminata Aleatoria Modificada: Esta formulación utiliza paseos aleatorios para evaluar el poder de propagación de los nodos dentro de la red. Calcula la vulnerabilidad relativa basándose en los conceptos de paseo aleatorio y entropía de la información.

Resultados de la investigación

El estudio prueba rigurosamente estas formulaciones novedosas junto con las medidas de centralidad tradicionales en dos incendios forestales históricos, a saber, el Camp Fire de 2018 y el Glass Fire de 2020. Los resultados indican que las fórmulas de grado modificado y paseo aleatorio superan a las medidas de centralidad tradicionales en la predicción de daños en edificios. Aunque ninguna de las fórmulas alcanzó una precisión excepcionalmente alta, proporcionaron valiosas perspectivas sobre los patrones generales de daños en las distintas regiones afectadas por los incendios forestales.

Próximos pasos de la investigación

El estudio reconoce los retos inherentes a la modelización del comportamiento de los incendios forestales, incluidas las incertidumbres aleatorias (aleatoriedad) y la limitada disponibilidad de datos a nivel comunitario. Subraya la necesidad de modelos mejorados que puedan dar cuenta tanto de las incertidumbres aleatorias como de las epistémicas, que incluyen factores como los efectos meteorológicos locales y el alcance de la propagación del fuego. Aunque las formulaciones propuestas representan un avance significativo, los autores destacan la complejidad del problema de la investigación y la necesidad de seguir perfeccionándolo y recopilando datos.

El estudio ofrece una vía prometedora para comprender mejor y mitigar el impacto de los incendios forestales en las comunidades. Introduce conceptos innovadores de la teoría de grafos para mejorar nuestra capacidad de predecir la capacidad de supervivencia de los edificios en caso de incendio forestal, proporcionando herramientas valiosas para la gestión de incendios y la planificación comunitaria.

Infórmate sobre cómo se pone en práctica esta ciencia.

Predecir con precisión la propagación y el comportamiento del fuego en la línea de fuego, donde la recepción para la conectividad de datos es difícil, es muy importante. Esta capacidad puede evitar la pérdida de vidas humanas, mejorar el éxito del ataque inicial y conducir a una mejor comprensión del comportamiento potencial del fuego que minimice muchos riesgos para los bomberos.

Para abordar este desafío, Technosylva lideró un estudio revisado por pares en 2018, publicado en la revista académica Ecological Modelling, que validó cómo la versión Pocket Edition de Wildfire Analyst™ aprovecha modelos matemáticos ampliamente reconocidos por la comunidad científica para lograr este objetivo en las operaciones de campo. La plataforma permite a los bomberos introducir datos y recibir información en tiempo real sobre las características del incendio y su progresión estimada, todo en una interfaz de mapas 3D fácil de usar.

Conclusiones de la investigación

El análisis analizaba la importancia de predecir la propagación y el comportamiento del fuego en la gestión de los incendios forestales y destacaba una aplicación móvil llamada Wildfire Analyst Pocket, o WFA Pocket, diseñada para proporcionar análisis y predicciones en tiempo real sobre los incendios forestales. Desglosemos los puntos clave en un resumen conversacional.

Los sistemas de modelización de incendios, que estiman el comportamiento del fuego, son cruciales para los organismos de gestión de incendios a varios niveles, desde el análisis global hasta la evaluación local de incendios y las quemas prescritas. Estos simuladores de incendios predicen la propagación y el comportamiento del fuego en diversas condiciones y proporcionan datos valiosos a los gestores de incendios experimentados durante las labores de extinción, prevención y planificación. Durante décadas se han desarrollado varios simuladores de incendios establecidos, como Farsite, FlamMap, BehavePlus y Wildfire Analyst (WFA).

El WFA es un software diseñado para proporcionar análisis en tiempo real del comportamiento y la propagación de los incendios forestales, apoyando la toma de decisiones durante las operaciones de extinción. Ofrece una amplia gama de datos, como perímetros del incendio, longitud de las llamas, velocidad de propagación, etc., vinculados a las condiciones meteorológicas y a los datos de entrada.

Las predicciones precisas del comportamiento del fuego son cruciales para evitar la pérdida de vidas y minimizar los daños durante los incidentes de incendios forestales. Sin embargo, debido a la falta de acceso informático en la línea de fuego, las agencias de bomberos no podían utilizar estos simuladores de incendios con eficacia.

En respuesta, se desarrolló el Analista de Incendios Forestales Edición de Bolsillo (WFA Pocket) como aplicación móvil para uso sobre el terreno. Su objetivo es estimar la progresión y el comportamiento del fuego basándose en las condiciones observadas, utilizando modelos de propagación de incendios bien conocidos de BehavePlus. Este documento describe el desarrollo, el diseño, los modelos utilizados y las principales características de WFA Pocket.

WFA Pocket funciona en varios dispositivos y sistemas operativos, como Android, iOS, Windows, Mac y Linux, y está disponible gratuitamente. Puede funcionar tanto online como offline, proporcionando cálculos en tiempo real y resultados fáciles de entender.

La aplicación tiene cuatro secciones principales:

• Visor de Mapa: Esta sección muestra la progresión estimada del incendio en un mapa 3D, permitiendo a los usuarios modificar interactivamente los parámetros y observar los resultados numéricos y gráficos en tiempo real. Tiene en cuenta diversos factores, como el clima, el tipo de combustible, la topografía y la humedad del combustible.
• Resultados: Aquí, los modeladores de incendios pueden ver varios resultados del comportamiento del fuego, como la longitud de la llama, la velocidad de propagación, el comportamiento del fuego de copas, el perímetro del fuego y más.
• Gráficos: Los usuarios pueden observar interactivamente cómo cambia el comportamiento del fuego con diferentes datos de entrada, lo que puede ser útil para analizar la sensibilidad a diferentes condiciones.
• Parámetros: Esta sección permite a los usuarios configurar la aplicación, introducir información sobre el lugar del incendio y el incidente, y establecer condiciones como la velocidad del viento, el tipo de combustible y las características de la cubierta.

Resultados de la investigación

El estudio evaluó la solidez del WFA Pocket comparando sus resultados con los del conocido simulador de incendios BehavePlus. La comparación no encontró diferencias significativas, lo que confirma la fiabilidad de WFA Pocket.

Un estudio de caso sobre el Incendio de Tubbs demostró cómo el WFA Pocket predijo con precisión el comportamiento del fuego, especialmente en la cabeza del incendio. Estimó una velocidad media de propagación similar a la propagación real del incendio. Sin embargo, es esencial tener en cuenta que la precisión de las simulaciones de incendios depende de factores como las limitaciones del modelo, la calidad de los datos de entrada y el nivel de variabilidad espacial de las condiciones.

Próximos pasos de la investigación

WFA Pocket es una valiosa herramienta para predecir el comportamiento del fuego en tiempo real sobre el terreno. Proporciona resultados precisos y es adecuado para una amplia gama de aplicaciones de investigación y gestión de incendios. Aunque tiene limitaciones y supuestos, futuras mejoras podrían aumentar su precisión y capacidad para analizar la progresión de los incendios en distintos paisajes.

Infórmate sobre cómo se pone en práctica esta ciencia.

Los incendios forestales son una gran amenaza para las comunidades y sus efectos pueden ser devastadores. Por eso es tan importante disponer de información precisa sobre el momento y la probabilidad de que un incendio forestal alcance una zona concreta. Aquí es donde entra en juego el modelo de desencadenamiento de decisiones sobre incendios forestales. Ayuda a las agencias de bomberos a evaluar la exposición al fuego y a crear planes de evacuación con suficiente tiempo de aviso.

Pero hay un aspecto clave que no ha recibido mucha atención: la incertidumbre de los datos de entrada. Para solucionarlo, Technosylva dirigió un estudio revisado por pares de 2019, publicado en la revista académica Science of The Total Environment, en el que se muestra un nuevo método de modelización de desencadenamiento de decisiones por simulación estocástica de incendios que tiene en cuenta las posibles variaciones de los datos de entrada para evaluar la probabilidad de impacto de los incendios forestales.

Conclusiones de la investigación

Predecir con exactitud el comportamiento de los incendios forestales es un reto debido a las incertidumbres de los datos de entrada y a las limitaciones inherentes a los modelos de incendios. Las simulaciones de incendios forestales, que utilizan diversos modelos y datos para predecir su comportamiento, han sido cruciales para la gestión de los incendios forestales. Estas simulaciones ayudan a las agencias de gestión de incendios a planificar quemas controladas, evaluar los riesgos de incendio y desarrollar estrategias de extinción en tiempo real.

Se han desarrollado varios tipos de modelos de propagación del fuego, desde modelos basados en la física hasta modelos empíricos y matemáticos. Estos modelos tienen en cuenta diversos factores, como la vegetación, las condiciones meteorológicas y la humedad del combustible, para estimar parámetros críticos del comportamiento del fuego, como la velocidad de propagación y la intensidad de las llamas.

Proteger las zonas vulnerables, como las interfaces urbano-forestales (WUI), es una de las principales preocupaciones de los servicios de extinción de incendios. Necesitan predicciones precisas de cuándo y dónde podrían afectar los incendios a estas zonas para tomar decisiones informadas sobre evacuaciones o estrategias de refugio en el lugar. Sin embargo, la precisión de esas predicciones depende de la incertidumbre asociada a los datos de entrada, incluidos factores como la topografía, el tipo de combustible y las condiciones meteorológicas.

Para abordar estos retos, el estudio presenta un enfoque innovador que aprovecha la modelización del desencadenamiento de decisiones sobre incendios forestales. Para ello se utilizan modelos semiempíricos de propagación de incendios bien establecidos y se incorporan elementos estocásticos para simular topes de activación de decisiones alrededor de las zonas que deben protegerse. Estos amortiguadores representan el tiempo que tardaría un incendio en alcanzar la zona protegida en diversas condiciones de entrada, proporcionando probabilidades de impacto.

Definición del modelo en la investigación

El modelo incorpora elementos aleatorios a una simulación, lo que refleja mejor la naturaleza caótica e impredecible de los incendios forestales. Al utilizar entradas de datos aleatorias, puedes producir una serie de resultados posibles, en lugar de una única predicción determinista. Al simular distintos escenarios, produce un mapa de probabilidades de la llegada del fuego a las zonas que hay que proteger.

Para demostrar el concepto de modelización de desencadenamiento de decisiones, el estudio utilizó datos del incendio de Tubbs, uno de los incendios forestales más destructivos de California. El análisis realizó simulaciones de incendios hacia atrás en el tiempo, desde los puntos de ignición seleccionados hasta el límite de la WUI en torno a Santa Rosa. Las simulaciones estimaron el tiempo que tardaría un incendio en llegar a la WUI, y los resultados se compararon con la progresión real del incendio para validar la exactitud del método de modelización del desencadenamiento de decisiones.

El método de modelado de activación de decisiones utiliza un enfoque de conjunto, variando las condiciones de entrada, como la velocidad y dirección del viento y el contenido de humedad del combustible, para tener en cuenta las incertidumbres de los datos de entrada. Genera múltiples simulaciones de incendios en diferentes condiciones para proporcionar estimaciones probabilísticas de los tiempos de llegada de los incendios.

Resultados de la investigación

El estudio descubrió que las simulaciones de incendios realizadas con el método de modelado de desencadenamiento por decisión tenían un alto grado de precisión cuando se comparaban con la propagación real del fuego durante el incendio de Tubbs. Los topes de activación de evacuación estimados por el modelado de activación de decisiones predijeron correctamente la hora de llegada del incendio al borde de la WUI. El método de conjunto utilizado para las condiciones meteorológicas mostró que la tasa de propagación (ROS) prevista variaba significativamente en función de las condiciones de entrada. Esta variabilidad puso de relieve la importancia de considerar la incertidumbre meteorológica en la modelización del comportamiento del fuego.

El método de modelización de desencadenantes de decisiones ofrece un marco valioso para estimar la probabilidad de impacto de los incendios forestales en las zonas que hay que proteger en tiempo real, teniendo en cuenta las incertidumbres de los datos de entrada. Proporciona a los responsables de la toma de decisiones información sobre la propagación potencial del fuego y las probabilidades asociadas, ayudando en la planificación de la evacuación y el desarrollo de estrategias de extinción de incendios.

El estudio destacó la necesidad de tener en cuenta las incertidumbres más allá de las condiciones meteorológicas, incluidas las limitaciones de los modelos, las interacciones fuego-atmósfera y la calidad de los datos. Aunque el método de modelización del desencadenante de decisiones resultó prometedor, es esencial combinarlo con el conocimiento y el juicio de expertos para una toma de decisiones más precisa.

Próximos pasos de la investigación

El enfoque de modelización del desencadenamiento de decisiones sobre incendios forestales presentado en este estudio ofrece una forma novedosa de predecir los impactos de los incendios forestales en zonas vulnerables. Al incorporar las incertidumbres de los datos de entrada y proporcionar estimaciones probabilísticas, el modelado de desencadenamiento de decisiones mejora el apoyo a la toma de decisiones de las agencias de gestión de incendios.

Sin embargo, el estudio destaca la importancia de tener en cuenta diversas fuentes de incertidumbre para mejorar la precisión de las predicciones del comportamiento del fuego en entornos operativos. El modelado de desencadenamiento de decisiones tiene el potencial de convertirse en una valiosa herramienta para evaluar el riesgo de incendio y proteger a las comunidades ante la creciente amenaza de incendios forestales.

Infórmate sobre cómo se pone en práctica esta ciencia.

A pesar de que California es uno de los principales focos de incendios de América, no existe un análisis científico exhaustivo de los modelos operativos de propagación de incendios que permita analizar su rendimiento y los factores que provocan las imprecisiones de los modelos. Los recientes avances tecnológicos han permitido monitorizar la progresión del fuego de la mayoría de los incendios forestales cada 15 min en Estados Unidos a través de la plataforma National Fireguard Detections. Estos datos, cuando están disponibles para su uso en un incendio, proporcionan capacidades sin precedentes para analizar los factores que influyen en el comportamiento del fuego y comparar el modelado de la tasa de propagación de incendios forestales (ROS) observada y prevista en incendios distribuidos por paisajes diferentes y complejos.

Basándose en otros estudios que analizaron estas técnicas de modelización, Technosylva colaboró con CAL FIRE y lideró un estudio revisado por pares en 2023, publicado en el International Journal of Wildland Fire, que evalúa el rendimiento de los modelos de propagación del fuego utilizados en California comparando los datos observados de crecimiento del incendio con los datos simulados. El análisis examinó configuraciones operativas bajo distintas condiciones ambientales utilizando 1.853 incendios forestales ocurridos en California entre 2019 y 2021, con el fin de determinar en qué condiciones los modelos actuales pueden sobreestimar o subestimar la velocidad de propagación (ROS) y, en consecuencia, la superficie quemada y los impactos del incendio en edificios y otros activos.

Conclusiones de la investigación

Los modelos de propagación de incendios forestales desempeñan un papel crucial en la predicción de cómo se propagan los incendios, pero su precisión se ve influida por diversos factores, como la disponibilidad de combustible, la topografía y el clima. Entre estos modelos, el modelo semiempírico de Rothermel se ha utilizado ampliamente por su sencillez y eficiencia computacional. Sin embargo, las limitaciones y suposiciones inherentes a estos modelos, junto con la calidad de los datos de entrada, pueden afectar a su fiabilidad.

Este estudio, realizado en California, pretendía evaluar la precisión predictiva de los modelos de propagación de incendios forestales en diferentes condiciones ambientales. Utilizó datos de alta resolución del producto National Fireguard Detections para comparar las Tasas de Propagación (ROS) observadas y previstas de 1853 incendios forestales ocurridos entre 2019 y 2021. El análisis pretendía identificar las condiciones en las que los modelos sobrestimaban o subestimaban la ROS, lo que en última instancia afectaba a la superficie quemada y al impacto del incendio en edificios y bienes.

Principales observaciones y conclusiones de la Investigación

• Datos de progresión de incendios: El estudio utilizó los datos del producto National Fireguard Detections, que ofrecen una alta resolución temporal para controlar la progresión de los incendios cada 15 minutos. Se empleó un algoritmo de agrupación de crecimiento en cuadrícula para clasificar los polígonos en incidentes de incendios individuales, lo que permitió un análisis cuantitativo del comportamiento del fuego.
• Modelización de incendios con WFA-e: Se realizaron simulaciones de incendios con WFA-e, incorporando varios modelos de propagación de incendios, incluidos los modelos de propagación de incendios de superficie y de copas de Rothermel. Se integraron datos de tipo de combustible, topografía y meteorología para realizar las simulaciones.
• Análisis estadístico: La precisión de los modelos de propagación del fuego se evaluó utilizando métricas de error como los residuos ROS, el error medio absoluto (MAE), el error medio de sesgo (MBE) y el error medio porcentual absoluto (MAPE).
• Factores medioambientales: El estudio reveló que la precisión de las predicciones de propagación del fuego estaba influida por variables ambientales como la velocidad del viento y el contenido de humedad del combustible (tanto vivo como muerto). Las velocidades del viento bajas y los niveles altos de humedad del combustible tendían a llevar a subestimaciones de ROS, mientras que las velocidades del viento altas daban lugar a sobreestimaciones.
• Tipos de combustible: Los distintos tipos de combustible desempeñaron un papel importante en la precisión de las predicciones. Los modelos funcionaron relativamente bien para los tipos de combustible arbustivo, herbáceo y herbáceo-arbustivo, mientras que para los tipos de combustible maderero no predijeron sistemáticamente el ROS.
• Precisión general del modelo: Los modelos tuvieron un MAPE medio del 47% en las simulaciones automáticas de incendios, con un mejor rendimiento en los tipos de combustible arbustivo, herbáceo y herbáceo-arbustivo. Los tipos de combustible leñoso mostraron el MAPE más alto (aproximadamente un 67%).

El estudio constató que los errores y sesgos del modelo eran razonables para las simulaciones realizadas automáticamente. Identificó variables ambientales que podrían sesgar las predicciones de ROS, sobre todo en zonas madereras, donde algunos modelos de combustible podrían subestimar el ROS. En general, el rendimiento de los modelos de propagación de incendios para California coincide con los estudios desarrollados en otras regiones, y se considera que los modelos son lo bastante precisos como para utilizarlos en tiempo real para evaluar los incendios de ataque inicial.

Próximos pasos de la investigación

El estudio puso de relieve los retos relacionados con la piroconvección, los campos de vientos locales y la estimación de ROS en zonas madereras. Recomendó el desarrollo de modelos mejorados de propagación del fuego para abordar estos retos y mejorar la precisión de la predicción.

El estudio concluyó que, aunque los modelos actuales de propagación de incendios tienen limitaciones y sesgos, son lo bastante precisos como para utilizarlos en entornos operativos en tiempo real, sobre todo con la capacidad de realizar ajustes y calibraciones manuales. Sin embargo, se necesitan mejoras continuas, especialmente para modelizar la propagación del fuego en zonas madereras, predecir el comportamiento de los incendios de copas y considerar los efectos de la piroconvección. Esta investigación aporta valiosas ideas a la predicción y gestión de los incendios forestales, destacando la importancia de refinar y mejorar continuamente los modelos predictivos ante las crecientes amenazas de incendios forestales.

La investigación subraya la importancia de los simuladores de incendios forestales para apoyar la planificación y el análisis de incidentes en tiempo real, a pesar de las posibles incertidumbres derivadas de la calidad de los datos de entrada y las imprecisiones del modelo. Además, el estudio proporciona información sobre el rendimiento de los modelos de propagación de incendios en California, ofreciendo una base para comprender y mejorar potencialmente los modelos operativos actuales en el futuro.

Infórmate sobre cómo se pone en práctica esta ciencia.