Combina imágenes de satélite, datos meteorológicos y leyes físicas para simular la propagación de las llamas y ayudar a los bomberos a decidir dónde actuar, construir cortafuegos o evacuar poblaciones.
- 🔥 Hasta 12 horas de previsión: el sistema permite simular cómo podría avanzar un incendio forestal durante las siguientes horas.
- 🎯 94,6 % de coincidencia espacial: uno de los ensayos reprodujo con gran precisión la superficie afectada por un incendio real en Oregón.
- 🛰️ Información actualizada: combina observaciones de satélites, meteorología, vegetación, topografía, drones y sensores terrestres.
- 🧠 Inteligencia artificial basada en física: calcula la propagación del fuego teniendo en cuenta el viento, la pendiente, la combustión y la transferencia de calor.
- 💬 Consultas en lenguaje natural: permite plantear preguntas sobre evacuaciones, cortafuegos y posibles cambios en la dirección del incendio.
- 🚒 Todavía es un prototipo: necesita más pruebas antes de utilizarse como herramienta operativa en emergencias reales.
Un equipo de investigadores de la Universidad de Nueva York (NYU) ha desarrollado un sistema de inteligencia artificial capaz de simular cómo se propagará un incendio forestal y anticipar su evolución durante las siguientes 12 horas. La tecnología combina las leyes físicas que gobiernan el comportamiento del fuego con información actualizada de satélites, sensores y estaciones meteorológicas.
En una de las pruebas realizadas con un incendio real en Oregón, el sistema consiguió una coincidencia espacial del 94,6 % entre la superficie prevista y la observada. Aunque todavía se encuentra en fase experimental, sus desarrolladores consideran que podría convertirse en una herramienta para ayudar a los equipos de emergencia a decidir dónde desplegar recursos, construir cortafuegos o evacuar poblaciones.
La principal novedad es que no se limita a analizar incendios anteriores para intentar predecir el siguiente. El sistema utiliza inteligencia artificial para resolver las ecuaciones físicas que explican cómo se propaga el fuego y actualiza sus previsiones conforme recibe nuevos datos.
Un gemelo digital que reproduce el comportamiento de un incendio
El proyecto, desarrollado por el grupo de investigación sobre incendios de la Escuela de Ingeniería Tandon de la Universidad de Nueva York, se basa en el concepto de gemelo digital.
Un gemelo digital es una representación informática de un sistema físico que puede actualizarse mediante datos del mundo real. En este caso, reproduce la evolución de un incendio forestal, teniendo en cuenta tanto las condiciones del terreno como los procesos físicos que determinan la propagación de las llamas.
La plataforma permite seleccionar sobre un mapa de Estados Unidos la ubicación de un incendio, delimitar la zona que se desea estudiar y establecer un horizonte de predicción de hasta 12 horas.
A partir de esos parámetros, genera una representación de la superficie que previsiblemente alcanzará el fuego.
Sin embargo, lo más interesante es que la simulación no permanece estática. Cuando cambian las condiciones meteorológicas o llegan nuevas observaciones, el sistema puede recalcular la evolución prevista.
Esto resulta especialmente importante porque los incendios forestales pueden cambiar rápidamente de comportamiento. Una variación en la dirección del viento, un aumento de temperatura o una pendiente pronunciada pueden modificar significativamente la velocidad y dirección de propagación.
Cómo funciona la inteligencia artificial que predice los incendios
Los investigadores han combinado dos tecnologías que tradicionalmente presentan ventajas e inconvenientes diferentes: los modelos físicos de propagación del fuego y los sistemas de inteligencia artificial.
Los simuladores convencionales basados en física pueden representar numerosos procesos que intervienen en un incendio, pero sus cálculos requieren importantes recursos informáticos. En determinadas circunstancias, actualizar una simulación puede llevar horas.
Los modelos de aprendizaje automático pueden ofrecer resultados mucho más rápidos, aunque su fiabilidad depende de los datos utilizados durante su entrenamiento. Cuando se encuentran con situaciones muy diferentes de las conocidas, sus predicciones pueden perder precisión.
La solución desarrollada por NYU busca aprovechar las ventajas de ambos enfoques.
1. Recopilación de información sobre el incendio
El sistema integra diferentes fuentes de datos:
- Imágenes y observaciones de satélites.
- Velocidad y dirección del viento.
- Temperatura y otras variables meteorológicas.
- Pendiente y elevación del terreno.
- Distribución y características de la vegetación.
- Información sobre edificios e infraestructuras críticas.
- Datos procedentes de drones, sensores terrestres y equipos de emergencia.
Con esta información se construye una representación actualizada de las condiciones que influyen en el comportamiento del incendio.
2. Cálculo de la propagación mediante leyes físicas
En lugar de limitarse a identificar patrones estadísticos, la inteligencia artificial trabaja con ecuaciones que describen fenómenos como la combustión, la transferencia de calor y el avance del fuego.
También incorpora las propiedades del combustible vegetal, las condiciones atmosféricas y la influencia de la topografía.
Por ejemplo, un incendio suele propagarse con mayor rapidez cuando avanza pendiente arriba, porque el calor de las llamas precalienta la vegetación situada a mayor altura.
Del mismo modo, el viento puede inclinar las llamas, favorecer el calentamiento del combustible situado delante del frente y modificar la dirección de propagación.
El modelo intenta representar estas interacciones físicas para calcular cómo evolucionará el perímetro del incendio.
3. Actualización continua de las predicciones
Cuando llegan nuevas observaciones, el gemelo digital puede sincronizarse con la situación real y generar una previsión actualizada.
De esta forma, los responsables de emergencias podrían comparar diferentes escenarios y anticipar posibles cambios en el comportamiento del fuego.
El objetivo es reducir el tiempo necesario para obtener previsiones útiles, pasando de simulaciones que pueden requerir horas a cálculos realizados en cuestión de minutos.
Una coincidencia del 94,6 % en un incendio real
Para evaluar el funcionamiento del prototipo, los investigadores realizaron pruebas con tres incendios forestales registrados en Estados Unidos:
- Grasshopper Fire, en Oregón.
- Widemouth 2 Fire, en Utah.
- Sacaton Fire, en Nuevo México.
Uno de los resultados más destacados se obtuvo durante la evaluación del incendio Grasshopper Fire.
En ese ensayo, la superficie pronosticada y la superficie observada alcanzaron una coincidencia espacial del 94,6 %, calculada mediante una métrica estándar de solapamiento.
Es importante interpretar correctamente este resultado: no significa que el sistema tenga una precisión general del 94,6 % ni que pueda anticipar todos los incendios con ese nivel de fiabilidad. Se trata del resultado obtenido en una prueba concreta.
De hecho, en otra predicción relacionada con el mismo incendio, la coincidencia descendió hasta el 72,4 % después de un intervalo más prolongado sin observaciones satelitales.
Esta diferencia demuestra que la frecuencia y calidad de los datos disponibles influyen considerablemente en el rendimiento del modelo.
Los investigadores también destacaron su capacidad para reproducir la geometría irregular de los incendios.
En lugar de representar el fuego mediante una superficie aproximadamente circular, el sistema consiguió simular los contornos complejos que aparecen cuando las llamas atraviesan terrenos con diferentes pendientes, condiciones meteorológicas y tipos de vegetación.
Esta característica tiene una importancia práctica considerable: una pequeña diferencia en la posición prevista del frente puede determinar si una vivienda, una carretera o una infraestructura crítica queda dentro o fuera de la zona amenazada.
Una inteligencia artificial a la que los bomberos pueden hacer preguntas
Otra de las características del proyecto es la incorporación de una interfaz conversacional basada en inteligencia artificial.
Los responsables de emergencias podrían formular preguntas directamente al sistema, sin necesidad de interpretar manualmente todos los resultados de las simulaciones.
Por ejemplo:
¿Qué ocurriría si el viento cambiara hacia el norte?
El sistema podría analizar cómo afectaría ese cambio al avance del incendio y mostrar qué zonas quedarían potencialmente amenazadas.
¿Dónde convendría construir un cortafuegos?
La herramienta podría proponer ubicaciones teniendo en cuenta la dirección prevista del fuego, las características del terreno y las estrategias de contención.
¿Qué zonas deberían evacuarse primero?
La plataforma podría ayudar a identificar áreas especialmente expuestas y ofrecer recomendaciones para planificar evacuaciones.
Según sus desarrolladores, las recomendaciones pueden acompañarse de referencias a procedimientos de los servicios de bomberos e investigaciones publicadas, con el objetivo de que los responsables puedan revisar los fundamentos de las propuestas.
No obstante, estas recomendaciones deben considerarse herramientas de apoyo y no sustitutos de la evaluación de los profesionales responsables de una emergencia.
Por qué podría cambiar la lucha contra los incendios forestales
La utilidad potencial de esta tecnología va más allá de dibujar sobre un mapa la trayectoria probable de las llamas.
Uno de los principales problemas durante un gran incendio forestal es la necesidad de tomar decisiones con información incompleta y en condiciones que pueden cambiar rápidamente.
Conocer de antemano qué zonas presentan mayor riesgo podría facilitar una distribución más eficiente de los recursos disponibles.
También permitiría estudiar escenarios alternativos: qué sucedería si aumentara el viento, cómo evolucionaría el fuego durante la noche o qué infraestructuras podrían quedar amenazadas en las próximas horas.
En términos de protección ambiental, una intervención más rápida y mejor dirigida podría contribuir a reducir la superficie forestal afectada, la pérdida de biodiversidad, los daños sobre el suelo y las emisiones asociadas a los incendios.
Sin embargo, estos beneficios son todavía potenciales. Los resultados publicados no demuestran que la utilización del sistema haya reducido efectivamente las superficies quemadas, las pérdidas económicas o los tiempos de evacuación.
Los desafíos antes de utilizarlo en incendios reales
A pesar de los resultados iniciales, el sistema todavía no está disponible como herramienta operativa para los servicios de extinción.
Sus desarrolladores reconocen que necesita nuevas evaluaciones y pruebas en colaboración con departamentos de bomberos y organismos federales.
Uno de los principales desafíos será comprobar su comportamiento en situaciones especialmente complejas, como incendios con cambios bruscos de viento, múltiples focos o información satelital insuficiente.
También será necesario evaluar cómo se comunican las incertidumbres de las predicciones. Un mapa aparentemente preciso puede generar una falsa sensación de seguridad si no se explican sus márgenes de error.
Por otra parte, la incorporación de recomendaciones mediante una interfaz conversacional exige verificar que las respuestas sean coherentes con los procedimientos operativos y las condiciones reales del incendio.
Los investigadores han presentado una solicitud provisional de patente en Estados Unidos a través de la Universidad de Nueva York.
Hacia una nueva generación de herramientas de prevención y respuesta
El proyecto está dirigido por los investigadores Prabodh Panindre, Anandu Nair y Sunil Kumar, vinculados al grupo de investigación sobre incendios de NYU.
Su planteamiento refleja una tendencia creciente en la investigación sobre emergencias ambientales: combinar observaciones de la Tierra, modelos físicos e inteligencia artificial para transformar grandes cantidades de información en predicciones utilizables.
La diferencia fundamental respecto a muchos sistemas tradicionales es la posibilidad de actualizar continuamente una representación digital del incendio y explorar distintos escenarios antes de que ocurran.
Si las próximas pruebas confirman su fiabilidad en condiciones operativas, tecnologías de este tipo podrían convertirse en herramientas complementarias para los servicios de extinción y protección civil.
La capacidad de anticipar el avance de un incendio no garantiza que pueda detenerse, pero disponer de previsiones más rápidas y fundamentadas podría ayudar a tomar decisiones en momentos en los que cada minuto resulta decisivo.
Deja una respuesta