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.