Universidad Politécnica de Madrid Universidad Politécnica de Madrid

Escuela Técnica Superior de Ingeniería
de Montes, Forestal y del Medio Natural

Un algoritmo para la prevención de los incendios forestales

El Grupo de Investigación SILVANET desarrolla un algoritmo simple y semiautomático para elaborar mapas de la estructura de la vegetación y cambios en el bosque, a partir del sensor LIDAR

Atajar los incendios forestales se ha convertido en uno de los grandes desafíos en la gestión de las superficies arboladas en nuestro país. Solo en el año 2020 se quemaron en España un  total de 18.523 hectáreas de terreno forestal, de las cuales 2.389 corresponden a superficie arbolada, 13.436,38 a matorral y monte abierto y 2.697,43 a pastos y dehesa, según los datos proporcionados por el Ministerio de Agricultura, Pesca y Alimentación. Conocer las zonas que se ven expuestas a un mayor riesgo de sufrir un incendio forestal es clave para promover políticas preventivas más efectivas. Por ello, un equipo de investigadores de la Universidad Politécnica de Madrid (UPM) ha desarrollado un algoritmo simple y semiautomático, capaz de elaborar, según el modelo Prometheus, mapas de la estructura de la vegetación, una de las variables más importantes para determinar el riesgo de incendio ya que las estructuras vegetales nos proporcionan información  sobre los  combustibles disponibles y de detectar cambios significativos en el bosque que pueden condicionar el comportamiento del fuego.

El objetivo de los investigadores pertenecientes al grupo de investigación SILVANET de la ETSI de Montes, Forestal y del Medio Natural de la UPM, era triple: Por un lado, conocer la estructura y características del bosque y del matorral y de los diferentes tipos de combustible forestal en la geografía española. En segundo lugar, estudiar los cambios que se han producido en la vegetación empleando para ello el sensor LiDAR, un dispositivo que permite determinar la distancia desde un emisor láser a un objeto o superficie utilizando un haz láser pulsado. La distancia al objeto se determina midiendo el tiempo de retraso entre la emisión del pulso y su detección a través de la señal reflejada. De este modo, puede medirse por ejemplo, la densidad de la vegetación existente en una zona determinada. Por último, los expertos evaluaron la relación existente entre el riesgo de propagación de incendio según la estructura del bosque y diversos factores ecológicos.


Imagen: Resultados de la clasificación para el 2010 (a) y el 2016 (b) en las bases de datos de LIDAR

“Para cumplir con este triple objetivo desarrollamos un algoritmo de clasificación de la vegetación que presenta una alta fiabilidad y permite elaborar mapas detallados de la estructura de la vegetación, asociada al riesgo de propagación de un incendio forestal, en toda España, facilitando la labor a las brigadas de extinción a la hora de tomar decisiones, y abaratando las campañas de incendios”, explica Alba García Cimarras, del grupo SILVANET y una de las autoras principales de este trabajo.

Los datos de LiDAR, la base de su trabajo

Para desarrollar este nuevo algoritmo, los investigadores tomaron como base los datos obtenidos con LiDAR, dado que este sensor resuelve algunos de los problemas que presenta el uso de imágenes por satélite basadas en sensores ópticos.

El código se desarrolló con RStudio, e incluye una serie de reglas condicionales que se aplican a variables derivadas de la nube de datos LiDAR, como pueden ser la fracción de cabida cubierta, la proporción de puntos del suelo, el estrato con mayor número de retornos...

“Este tipo de herramientas son muy limitadas en cuanto a la definición de la estructura de la vegetación y no pueden penetrar en las copas de los árboles, por lo que no pueden proporcionar información del sotobosque y, por lo tanto, no pueden identificar ciertos factores de riesgo para los incendios forestales y posibles combustibles. LiDAR en cambio, es una alternativa adecuada para obtener datos más precisos sobre  estructuras vegetales y su altura y también ofrece datos útiles para diferenciar entre distintas clases de combustibles”, continúa la investigadora de la ETSI de Montes, Forestal y del Medio Natural.

La nueva metodología, no solo se plantea como un sistema sencillo y rentable para elaborar mapas de la estructura de la vegetación, sino que demuestra también la validez de LiDAR como herramienta que proporciona mediciones directas. “Ha demostrado que la comparación de datos obtenidos con LiDAR en diferentes fechas proporciona conocimientos e información con una precisión adecuada de los cambios en los combustibles de las capas de la vegetación y más concretamente,  de aquellas zonas en las que hay presencia de  estructuras verticales con un alto nivel de combustión que pueden aumentar el peligro de incendio”, añade Alba García Cimarras.

Pero sobre todo, las ventajas de este nuevo algoritmo se centran en su utilidad para desarrollar mapas de riesgo de zonas a las que hasta ahora no se podía acceder que pueden ayudar a dotar de más eficacia a las políticas públicas de prevención. “Esta nueva metodología podría aplicarse en áreas donde la accesibilidad no permite recopilar datos de campo (o es demasiado costoso),y también puede ayudar a mejorar los esfuerzos de manejo de combustible donde más se necesitan, particularmente donde las vidas, el hábitat de vida silvestre crítico o la infraestructura humana están en riesgo”, concluye.

García-Cimarras A, Manzanera JA, Valbuena R. Analysis of Mediterranean Vegetation Fuel Type Changes Using Multitemporal LiDAR. Forests. 2021; 12(3):335. https://doi.org/10.3390/f12030335