Predicción de incendios forestales mediante modelos de Machine Learning

Aug 3, 2026

Subido por Finn

La severidad de los incendios forestales alcanza niveles preocupantes y exige herramientas predictivas para apoyar la prevención. El trabajo desarrolla y evalúa modelos de Machine Learning para estimar la ocurrencia y la magnitud de incendios en Pinamar, utilizando registros históricos locales. El entrenamiento se realiza con un pipeline de datos y modelos, alcanzando una sensibilidad del 88,4% mediante un árbol de decisión. El enfoque sienta bases para extender la predicción a localidades vecinas, incorporando variables meteorológicas, topográficas y de combustible.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas10

Tiempo de lectura15 min

AccesoGratis para descargar

Tabla de contenidos

1. Introducción

2. Área de estudio y datos utilizados

variables explicativas

algoritmos de ML y métricas

metodología y evaluación

resultados y líneas futuras

# Predicción de incendios forestales mediantemodelos de Machine Learning Ana Martínez Saucedo¹y Pablo Ezequiel Inchausti¹ Universidad Argentina de la Empresa(UADE).Instituto de Tecnologia (INTEC).Buenos Aires,Argentina{anmartinez,pinchausti}Quade.edu.ar Resumen La severidad de los incendios forestales ha llegado a nivelespreocupantes tanto a nivel internacional como nacional.No obstante,gracias al avance de la tecnologia es posible predecir su ocurrencia ymagnitud a través de modelos de Machine Learning especialmente desa-rrollados para tal fin.En línea con diversas investigaciones realizadas enmateria de predicción espaciotemporal de incendios forestales,en el pre-sente trabajo el objetivo fue desarrollar un modelo de Machine Learningque contribuya a la prevención de incendios forestales en el Partido dePinamar.Para ello se entrenaron diversos modelos utilizando registrosde incendios históricos de la zona,alcanzando una sensibilidad del 88.4%para predecir la ocurrencia de incendios forestales a traves de un árbolde decisión.Gracias al desarrollo de un pipeline de datos y el entrena-miento automatizado de modelos se sentaron las bases necesarias paraposibilitar la predicción de incendios forestales en localidades vecinas. Palabras claves:machine learning,aprendizaje supervisado,incendiosforestales,medioambiente. ## 1. Introducción Las consecuencias ambientales,económicas y sociales que los incendios fo-restales provocan en el mundo llevaron a gobiernos e investigadores a estudiardiversas maneras de prevenirlos,sobre todo en los últimos tiempos donde ca-da vez se torna más dificil controlarlos.Tan solo en el 2020 en Argentina sequemaron más de 1,1 millones de hectáreas a causa de incendios forestales.Ade-más,se registraron en ese ano más de 74.113 focos activos,una cifra récord querepresenta un incremento del 251,9%con respecto al ano anterior [1]. Esta tendencia nacional tambien se vio reflejada en distintos puntos del pais.La ciudad balnearia de Pinamar,conocida por sus bosques de pino y dunas dearena,ha perdido según datos de incendios provistos por los bomberos localesmas de 3,5 kilómetros cuadrados de bosques en los ultimos seis anos a causade incendios forestales.Esta cifra representa aproximadamente el 10%de lasuperficie total cubierta por vegetación del partido,confirmando así la tendenciacreciente de incendios forestales en la zona detectada por bomberos y autoridadeslocales.Si bien en Argentina el 95%de los incendios forestales son originados por el hombre [2],su magnitud y desarrollo dependen en gran medida de lascondiciones climáticas y ambientales del momento y lugar donde se desarrollan. En la literatura se han desarrollado modelos de Machine Learning(ML)queutilizan todas o combinaciones de algunas de las variables que conforman eldenominado Triángulo de Comportamiento del Fuego(TCF)para predecir in-cendios forestales,siendo estas la topografia,el combustible y la meteorologia.En efecto,las mismas definen bajo qué condiciones es más propenso que se pro-duzca un incendio forestal y cómo se desarrollará el mismo.Además,el IndiceMeteorologico de Peligro de Incendio(FWI)[3]permite estimar la probabili-dad de que se produzca un incendio a partir de variables meteorologicas y decombustible [4,5].Asimismo,el Indice de Vegetación de Diferencia Normalizada(NDVI)ha sido utilizado en varios estudios ya que es un indicador de la saludde la vegetación [6,7].Los investigadores han recurrido a fuentes como satélites,sensores remotos,mapas y estaciones meteorológicas para obtener estos datosy entrenar modelos predictivos.Entre los algoritmos aplicados para modelar laocurrencia de incendios forestales se encuentran árboles de decisión,máquinasde vectores de soporte,redes neuronales artificiales y redes bayesianas [8]. No obstante,la mayor dificultad a la hora de estudiar la predicción de ocu-rrencia y magnitud de incendios forestales radica en la obtención de datos his-tóricos.En Argentina son pocos los cuartele

Preguntas frecuentes

Cuál es el objetivo principal del trabajo en Pinamar?

Desarrollar y evaluar modelos de Machine Learning para predecir la ocurrencia y la magnitud de incendios forestales en la ciudad de Pinamar, usando datos locales recopilados por bomberos.

Qué datos y variables se usan para entrenar los modelos?

Se emplean registros históricos de incendios de la zona e incluye variables meteorológicas, además de variables topográficas y de combustible.

Qué modelo logró la mejor sensibilidad reportada?

El árbol de decisión alcanzó una sensibilidad del 88,4% para predecir la ocurrencia de incendios forestales.

Aug 3, 2026

Subido por Finn