Un estudio revela que la propagación del incendio forestal es mucho más impredecible de lo que se creía

La forma en que se propagan los incendios forestales es más variable e impredecible de lo que suponen los modelos estándar: exhibe una variabilidad inherente que las ecuaciones clásicas no logran capturar.

La propagación del fuego ha sido tradicionalmente modelada mediante fórmulas deterministas que presuponen relaciones lineales y predecibles entre variables como la pendiente, el viento y la humedad del combustible.

Sin embargo, un nuevo estudio integra técnicas de visión artificial con análisis estadísticos complejos para revelar que, incluso bajo condiciones de laboratorio rigurosamente controladas, la velocidad de propagación del fuego exhibe una variabilidad inherente que las ecuaciones clásicas simplemente no logran capturar. Esta constatación tiene profundas implicaciones para la predicción de incendios forestales y la gestión del riesgo en un contexto de cambio climático.

El trabajo, desarrollado por investigadores de la Universidad de British Columbia y el Servicio Forestal Canadiense, empleó un modelo de segmentación llamado Segment Anything Model (SAM) para analizar videos de fuego en tiempo real. En lugar de confiar únicamente en medidas manuales o estimaciones de satélite, los científicos extrajeron los perímetros del fuego fotograma a fotograma, cuantificando la velocidad de propagación en múltiples direcciones. Este enfoque basado en visión artificial permitió obtener una coincidencia del 90,7% entre las segmentaciones automatizadas y los trazos manuales de expertos.

Variabilidad irreducible en el laboratorio

Lo que este análisis observó fue detectado en el entorno más controlado posible. En experimentos de laboratorio sobre papel parafinado tratado con nitrato de potasio, donde teóricamente toda variable está aislada, la variabilidad en la velocidad de propagación persistía obstinadamente. Cuando los investigadores midieron el avance del fuego en la dirección de la pendiente, observaron patrones que divergían significativamente de los coeficientes que prescribe el Sistema Canadiense de Predicción del Comportamiento del Fuego, aún vigente en operaciones.

Más aún, incluso después de contabilizar el efecto de la pendiente mediante regresión no lineal, permanecía una desviación estándar residual de 0,433 en escala logarítmica, que se traduce en una incertidumbre multiplicativa de aproximadamente 1,56 veces sobre la velocidad predicha.

Al inspeccionar las muestras mediante microscopía electrónica de barrido, los investigadores detectaron irregularidades a escala de fibra: distribuciones irregulares de poros, variaciones en la textura superficial y heterogeneidades que, aunque microscópicas, ejercían una influencia observable sobre la dinámica de propagación.

Esta complejidad inherente subraya un error fundamental en los modelos deterministas convencionales: la suposición de que tipos de combustible nominalmente idénticos se comportarán de manera predecible bajo condiciones iguales. La realidad es que la microestructura del combustible introduce una fuente de aleatoriedad que no puede simplemente ignorarse o subsumirse en factores de seguridad globales.

Validación en condiciones reales

El estudio extendió estos hallazgos a datos de campo provenientes de treinta quemas experimentales realizadas entre 2014 y 2019 por el Servicio de Incendios Forestales de Columbia Británica en combustibles tipo C-7, correspondientes a bosques de pino ponderosa y abeto de Douglas.

Los investigadores aplicaron un modelo mixto no lineal que retuvo la estructura de las ecuaciones del sistema de predicción canadiense, pero permitió que ciertos coeficientes variaran según la localidad. Descubrieron que, aunque el efecto de las variables estándar como la velocidad del viento y la humedad del combustible mostró consistencia entre sitios, la sensibilidad a la pendiente varió significativamente de un lugar a otro, con una desviación estándar de 0,62 entre ubicaciones.

Más relevante aún, el análisis de varianza indicó que la mayor parte de la incertidumbre no provenía de diferencias entre sitios, sino de variabilidad dentro de los mismos. Después de contabilizar los índices de humedad del combustible y la pendiente del terreno, persistía una desviación estándar residual de 0,80, que representaba un 62,7% de la varianza total inexplicada. En otras palabras: casi dos tercios de lo que determina la velocidad de propagación en condiciones operacionales reales sigue siendo esencialmente impredecible mediante los factores deterministas tradicionales.

El cambio de paradigma necesario

Las implicaciones de estos descubrimientos trascienden la academia. Los modelos deterministas vigentes, como el Sistema de Predicción del Comportamiento del Fuego canadiense o Prometheus, se fundamentan en el supuesto de que la naturaleza es, en última instancia, predecible: si se proporcionan los parámetros correctos, se obtiene la propagación esperada.

Pero la evidencia sugiere que el fuego es un fenómeno inherentemente estocástico, gobernado no solo por leyes físicas deterministas sino también por procesos aleatorios en la ignición, la transferencia de calor y la combustión a microescala. Para los responsables de evacuación y gestión de crisis, esto es operacionalmente crítico: un margen de error de ±56% en velocidad de propagación puede significar la diferencia entre una evacuación exitosa y una catástrofe.

Incorporar esta aleatoriedad explícitamente en los marcos de modelización es una necesidad operacional para proporcionar estimaciones de incertidumbre robustas que reflejen la verdadera naturaleza del riesgo.

Seguimiento detallado

El estudio propone, en consecuencia, un cambio de paradigma hacia modelos probabilísticos y basados en datos que capturen tanto los conductores deterministas como la variabilidad estocástica. Con la creciente disponibilidad de imágenes de alta frecuencia desde satélites y drones, las técnicas de segmentación como la empleada en este trabajo ofrecen la promesa de un seguimiento detallado de perímetros en tiempo casi real.

Cuando se combinan con métodos estadísticos que explícitamente modelizan la incertidumbre, estos enfoques podrían proporcionar contornos de probabilidad alrededor de las predicciones de propagación del fuego: no solo "el fuego llegará aquí", sino "hay un 70% de probabilidad de que el fuego llegue aquí en este rango de tiempo".

Para quienes toman decisiones críticas, esta información resultaría incalculablemente más valiosa que predicciones puntuales que ocultan la verdadera variabilidad subyacente