Desarrollan un nuevo algoritmo para mejorar la capacidad de respuesta frente al fuego

Los incendios son una de las grandes amenazas el patrimonio forestal. Según datos del Ministerio de Agricultura, en España se producen de media más de 17.000 siniestros anuales que afectan a 113.000 hectáreas, lo que ocasiona enormes pérdidas económicas y paisajísticas.

El Laboratorio de Incendios Forestales de la Universidad de Córdoba, en colaboración con la Estación de Investigación Rocky Mountain, del Servicio Forestal del Departamento de Agricultura de los EE. UU, ha desarrollado un nuevo algoritmo para mejorar la capacidad de respuesta frente al fuego. La nueva herramienta predice la dificultad de combatir un incendio forestal, lo que podría ayudar a optimizar recursos y priorizar las labores de extinción.

Imagen del estado de un barranco tras la propagación extrema del fuego.

Ante un fuego descontrolado que arrasa cientos de hectáreas, surgen una serie de preguntas que necesitan respuestas urgentes: ¿Por dónde empezar?, ¿Qué lugar tiene menos dificultad?, ¿Qué zonas están ya perdidas? ¿Cómo priorizar las labores de manejo?

El algoritmo es capaz de responder estas preguntas, y convierte a las matemáticas en auténticas aliadas contra los incendios mediante una fracción: Si el numerador se acerca al 30 -su número máximo-, significa que el combate contra el fuego está prácticamente perdido, cuando el valor del denominador, cuyo máximo valor es 50, tome valore bajos. Si el denominador asciende al 50 -el tope- se considera que el terreno dispone de infraestructura adecuadas para llevar a cabo las labores de extinción con eficacia. A partir de ahí, y en función del resultado que ofrezca la ecuación, la herramienta ofrece un índice de dificultad de extinción que informa de las posibilidades de realizar las operaciones de extinción con seguridad y eficiencia. Ante una dificultad baja o moderada predicha por el algoritmo, las autoridades pueden establecer con claridad las estrategias de supresión y control de los frentes activos, y en los casos de dificultad alta a extrema, se pueden evitar acciones comprometidas en relación con la seguridad y que impliquen agotamiento de los medios de extinción en escenarios de escasa o nula capacidad de extinción.

La herramienta, que ha sido validada en dos incendios ocurridos en Andalucía (Segura 2017) (Jaén) y “Cascade Mountains of the Okanagan–Wenatchee National Forest of Washington State”, (Jolly Fire 2017) (Estados Unidos), toma en cuenta una serie de variables que completan y actualizan modelos de predicción anteriores. ”El nuevo algoritmo contempla nuevos parámetros como la presencia de barrancos o laderas irregulares y no se centra sólo en la propagación del fuego de superficie, sino también en las copas de los árboles y en la propagación eruptiva de dichos barrancos y cañones, lo que de producirse pueden llegar a convertirse en una gran fuente de energía para el fuego, con propagación extrema”, destaca el profesor Francisco Rodríguez y Silva, uno de los autores de la investigación. A estas variables se le suman, además, otras como la densidad de viales, áreas de cortafuegos, frecuencias de las descargas de medios aéreos, el comportamiento potencial del fuego, la capacidad de acceso del personal especializado y la realización de acciones de supresión por los medios combinados de extinción.

Por el momento, se está trabajando en volcar este algoritmo en una aplicación móvil que permita realizar estimaciones en tiempo real. Lo ideal, no obstante, “es qué mediante esta metodología, puedan realizarse mapas de dificultad de extinción, con anterioridad a la ocurrencia de incendios y con ello predecir los lugares en los que es necesario ser más contundente y hacer una planificación e inversión en el paisaje de forma preventiva”, subraya el investigador.

El conocimiento previo del entorno y los cómputos matemáticos podrían ayudar, de esta forma, a reducir la incertidumbre y anticiparse a los incendios. El objetivo: comenzar a ganarle el pulso al fuego incluso antes de que aparezcan las primeras llamas.