Científicos crean una IA que anticipa hasta 16 días los incendios forestales más peligrosos: usa satélites de la NASA y la ESA

CROWNFIRE-AI es una novedosa plataforma que estima con un margen de hasta 16 días la posible formación de fuegos de copa, eventos capaces de propagarse por la cima de las masas arbóreas. El proyecto, liderado por investigadores de la Universidad de León (ULe), recurre a la inteligencia artificial (IA) y a observaciones orbitales para detectar los incendios forestales más peligrosos antes de su aparición.

Para lograr ese análisis previo, el sistema cruza datos de satélites de la NASA y la Agencia Espacial Europea (ESA) con previsiones meteorológicas, la topografía y el estado de la vegetación. Su propósito fundamental es señalar las áreas donde existen condiciones favorables para que las llamas alcancen las copas y desarrollen una elevada intensidad, clave para la prevención y respuesta oportuna ante emergencias.

PUEDES VER: La joven de 18 años que sorprendió al usar ChatGPT para lograr un invento impresionante contra los microplásticos: ganó más de US$12.000 por su creación

¿Cómo anticipa una IA los incendios forestales más peligrosos con 16 días de antelación?

Un equipo científico desarrolló CROWNFIRE-AI, una herramienta basada en aprendizaje automático (Random Forest) que analiza más de 18.000 observaciones de siniestros acontecidos en España. El sistema examina de forma simultánea la humedad y estructura de la vegetación, la pendiente o altitud del terreno y múltiples factores atmosféricos. Esa combinación identifica patrones críticos que anticipan la propagación de las llamas hacia la copa de los árboles.

La plataforma integra vistas satelitales del instrumento MODIS de la NASA y de la misión europea Sentinel-2 (Copernicus), complementadas con previsiones meteorológicas de ERA5-Land y GFS. Según la página oficial del proyecto, estos recursos permiten estimar características de la cubierta vegetaly añadir pronósticos de variables críticas, como sequedad, altas temperaturas o baja humedad, para extender el horizonte de evaluación hasta 16 días. Asimismo, la agencia espacial estadounidense señala que sus productos facilitan la detección de cambios en la frecuencia e intensidad del fuego.

Toda la información procesada se sintetiza en mapas regionales de riesgo mediante Google Earth Engine, evitando la entrega de datos técnicos dispersos. Esta infraestructura en la nube genera visualizaciones claras sobre las zonas vulnerables a incendios de copa. De acuerdo con sus creadores, el propósito central radica en convertir información compleja en resultados que puedan utilizarse para la gestión forestal, la planificación de emergencias y la protección del territorio.

PUEDES VER: Un submarino nuclear ruso hundido a 1.680 metros libera material radiactivo en el océano Atlántico: científicos detectaron fugas

¿Es efectiva la IA CROWNFIRE-AI para predecir incendios forestales?

El modelo de inteligencia artificial desarrollado por la Universidad de León alcanzó una precisión del 90% y un F1-score de 0,88 mediante el análisis de datos del satélite Sentinel-2. Según la institución, la utilización de miles de observaciones reales, en vez de depender únicamente de escenarios simulados, permite respaldar científicamente su capacidad predictiva. Este avance no predice eventos exactos, pero calcula la probabilidad de que ciertos terrenos reúnan factores de riesgo para desarrollar fuegos de copa.

Su valor central radica en la anticipación y la gestión de emergencias forestales. Disponer de alertas tempranas facilita a los equipos de protección civil distribuir recursos estratégicamente, diseñar planes de evacuación y aplicar tratamientos para controlar el combustible vegetal. Como antecedente, la NASA destaca que los productos MODIS son utilizados para monitorear incendios a gran escala y ayudar a los responsables a distribuir medios hacia las zonas donde son necesarios, estándar que la nueva plataforma pretende superar al anticiparse a los comportamientos extremos.

Aunque la herramienta es gratuita, exige el registro de los usuarios en Google Earth Engine. Su interfaz interactiva procesa mapas y escenarios geoespaciales sin requerir competencias informáticas complejas. No obstante, al construirse con registros específicos de España, la aplicación en otras regiones del planeta demanda calibraciones adicionales con información local, consolidándose por ahora como un soporte decisional adaptativo más que como una solución universal.