Un equipo científico liderado por investigadores de la Universidad de León (ULe) ha creado CROWNFIRE-AI, una plataforma capaz de estimar con un margen de hasta 16 días la formación de fuegos de copa. Estos eventos, que se propagan por la cima de las masas arbóreas, representan la mayor amenaza en los incendios forestales. El sistema recurre a la inteligencia artificial (IA) y a datos orbitales para detectar estos siniestros antes de que ocurran. La herramienta se fundamenta en más de 18.000 observaciones de incendios registrados en España, utilizando un algoritmo de aprendizaje automático conocido como Random Forest. Para su funcionamiento, el sistema cruza información de satélites de la NASA y la Agencia Espacial Europea (ESA). Estos datos satelitales se combinan con previsiones meteorológicas, la topografía del terreno y el estado actual de la vegetación. De esta manera, CROWNFIRE-AI analiza simultáneamente la humedad y estructura de la flora, así como la pendiente o altitud del suelo. Esa combinación permite identificar patrones críticos que anticipan la propagación de las llamas hacia la copa. Su propósito fundamental es señalar las áreas donde existen condiciones favorables para que los incendios alcancen una elevada intensidad. Con un 90% de precisión, esta tecnología permite una mejor gestión de emergencias y optimiza la planificación de evacuaciones, asegurando una prevención y respuesta oportuna ante desastres naturales. 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. 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. 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.

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

Su valor central radica en la anticipación y la gestión de emergencias forestales. Aunque la herramienta es gratuita, exige el registro de los usuarios en Google Earth Engine. Su interfaz interactiva procesa mapas geoespaciales sin requerir competencias informáticas complejas. Disponer de alertas tempranas facilita a los equipos de protección civil 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 distribuir medios, estándar que la nueva plataforma pretende superar al anticiparse a los comportamientos extremos. No obstante, al construirse con registros específicos de España, la aplicación en otras regiones del planeta demanda calibraciones adicionales con información local. Por ello, se consolida por ahora como un soporte decisional adaptativo más que como una solución universal para todo el mundo.

Leer artículo completo en larepublica.pe →