Investigación
La Inteligencia Artificial, una gran aliada contra el fuego
Investigadores de la Universidad de León desarrolla un sistema capaz de predecir a diario y con gran precisión las zonas con mayor riesgo de ignición de incendios forestales en Castilla y León.
En los últimos años algunos de los incendios más graves de España se han registrado en Castilla y León. Ahí está el caso de este pasado mes de agosto, donde las llamas arrasaron más de 150.000 hectáreas en las provincias de León y Zamora.
Ante esta tesitura, un grupo de investigadores de la Universidad de León (ULe) ha desarrollado un sistema capaz de predecir diariamente, con una resolución de un kilómetro, las zonas con mayor riesgo de ignición de incendios forestales en Castilla y León.
El trabajo, recientemente publicado en la revista International Journal of Disaster Risk Reduction, combina dos arquitecturas punteras de inteligencia artificial:
- XGBoost, un modelo de aprendizaje automático muy eficiente para datos estructurados
- ConvLSTM, una red de aprendizaje capaz de interpretar simultáneamente la evolución temporal y la estructura espacial del territorio.
El objetivo es el de identificar a diario qué lugares concentran condiciones favorables para que se inicie un incendio.
Para construir el modelo, el equipo integró millones de datos procedentes de satélites, reanálisis meteorológicos y cartografía temática, desde temperatura y humedad hasta índice de vegetación, uso del suelo, características del relieve y factores humanos como la densidad de población o la proximidad a carreteras.
En total, se analizaron incendios registrados entre 2007 y 2022, con una especial atención a los de mayor impacto: aquellos que superaron un umbral equivalente a más de 15,6 hectáreas.
El sistema genera mapas diarios de probabilidad de ignición a escala de un kilómetro cuadrado (1 km²). Para comprobar su utilidad, los investigadores probaron los modelos con datos recientes independientes (2020–2022) e incluso con episodios extremos ocurridos en agosto de 2025.
Ambos modelos obtuvieron una precisión global del 91 por ciento, aunque con comportamientos complementarios.
En los principales episodios analizados —incluidos los devastadores fuegos de la Sierra de la Culebra (Zamora) en 2022— los mapas de riesgo situaron las áreas de máxima probabilidad justo donde se produjeron los focos y la propagación inicial. Esta precisión se mantuvo también durante los grandes incendios de 2025, a pesar de que las condiciones fueron excepcionales.
Calor y sequedad
Una de las aportaciones más relevantes del trabajo es la identificación clara de los factores que más influyen en el riesgo diario de incendios.
Las herramientas de interpretabilidad empleadas —SHAP e Integrated Gradients— confirmaron que la combinación de altas temperaturas y muy baja humedad relativa es el principal motor del peligro, por encima incluso del viento o del tipo de vegetación.
Variables como la temperatura superficial diurna, la temperatura del aire, la persistencia del calor nocturno y la sequedad atmosférica fueron las que más aumentaron la probabilidad de ignición. La humedad del suelo y ciertos indicadores de vigor vegetal actuaron, por el contrario, como amortiguadores del riesgo.
Las conclusiones favorecen una alerta temprana, optimización de recursos y planificación forestal preventiva, y recalcan su utilidad para anticipar incendios de baja frecuencia pero de alto impacto, esenciales en un contexto de cambio climático.
