La IA permite evaluar áreas cortafuegos para mejorar la prevención de incendios, según Ingenieros Forestales

La inteligencia artificial, combinada con imágenes de satélite y otras fuentes de información geoespacial, está abriendo nuevas posibilidades para mejorar la prevención de incendios forestales.

Estas tecnologías permiten identificar áreas cortafuegos, analizar sus características, realizar un seguimiento de su evolución y proporcionar información útil para planificar las actuaciones de mantenimiento y priorizar las intervenciones sobre el terreno.

Esta ha sido una de las conclusiones del Café Forestal organizado por el Colegio Oficial de Ingenieros Técnicos Forestales y Graduados en Ingeniería Forestal y del Medio Natural y su Asociación, bajo el título 'Inteligencia artificial y datos gratuitos geoespaciales para la detección y caracterización de áreas cortafuegos'.

La jornada ha contado con la participación de Aurelio García Rochela, responsable del área de Análisis Geoespacial de COTESA, y Yoel Tuebel, director de proyectos nacionales y europeos de la compañía, quienes han presentado experiencias desarrolladas en la Comunidad Valenciana y Castilla y León, así como otras aplicaciones de estas tecnologías en la gestión forestal y el seguimiento del territorio.

Uno de los principales avances presentados fue la utilización de algoritmos de aprendizaje profundo (deep learning) para identificar automáticamente áreas cortafuegos a partir de imágenes aéreas del Plan Nacional de Ortofotografía Aérea (PNOA).

Esta metodología permite generar cartografía de las infraestructuras existentes y caracterizarlas mediante parámetros como su anchura mínima, máxima y media, su continuidad o las características de la vegetación circundante.

La incorporación de datos LiDAR permite ampliar esta información con aspectos como la pendiente del terreno, la altura de la vegetación o su densidad. El objetivo es disponer de una herramienta que facilite a los gestores forestales una visión conjunta de las infraestructuras preventivas y permita identificar las zonas que requieren una revisión más detallada o actuaciones prioritarias de mantenimiento.

Los ponentes han explicado que esta tecnología ya se ha aplicado en un proyecto desarrollado en la Comunidad Valenciana y que se encuentra en fase de finalización otro trabajo similar en Castilla y León.

Estas experiencias muestran las posibilidades de automatizar parte de los trabajos de inventario y actualización cartográfica en territorios extensos, aunque los resultados requieren procesos posteriores de depuración y validación.

IMÁGENES GRATUITAS DE SATÉLITE CON MAYOR RESOLUCIÓN

Otro de los aspectos destacados ha sido la aplicación de técnicas de superresolución a las imágenes del programa europeo Copernicus, especialmente las obtenidas por los satélites Sentinel-2.

Mediante algoritmos de inteligencia artificial, COTESA ha desarrollado una metodología que permite pasar de imágenes con una resolución espacial original de 10 metros por píxel a imágenes procesadas de 2,5 metros por píxel, conservando la información espectral necesaria para numerosos análisis territoriales.

Esta tecnología amplía las posibilidades de utilización de datos satelitales gratuitos, cuya principal ventaja es su elevada frecuencia de actualización.

De esta forma, pueden analizarse cambios en la vegetación, identificar determinadas actuaciones forestales y estudiar la evolución de las áreas cortafuegos a lo largo del tiempo.

Durante la sesión también se ha destacado el interés de combinar estas imágenes con los datos LiDAR del PNOA, especialmente con la tercera cobertura, que alcanza densidades de cinco puntos por metro cuadrado y abre nuevas posibilidades para caracterizar la estructura de la vegetación y elaborar cartografía forestal más detallada.

Una de las principales conclusiones de la jornada ha sido la necesidad de utilizar estas tecnologías como herramientas de apoyo a la toma de decisiones, y no como sustitutas del conocimiento y la experiencia de los profesionales forestales.

Los ponentes han insistido en que los algoritmos "pueden identificar patrones, detectar cambios y proporcionar información territorial de gran utilidad, pero también presentan limitaciones". Entre ellas, la aparición de errores de clasificación, las diferencias entre territorios o la imposibilidad de reconocer determinados elementos que únicamente pueden comprobarse mediante inspecciones sobre el terreno.

Por ello, han destacado la importancia de "combinar los procesos automatizados con la revisión técnica, la validación de resultados y los datos obtenidos en campo".