Investigadores de BCAM participan en un estudio que integra modelos avanzados de localización de incendios en simulaciones de incendios forestales, lo que supone un gran avance en la precisión predictiva

• El estudio, dirigido por Gianni Pagnini, forma parte del proyecto Be a Better Digital Fire-Fighter (PDC2022-133115-I00) y aborda el fenómeno de la propagación del fuego, un factor clave en su propagación.
• La investigación se centró en un estudio de caso del incendio forestal de 2021 en Campomarino (Italia), en el que la localización de los focos influyó significativamente en la dinámica de propagación del fuego.
• Se espera que los resultados sirvan para realizar evaluaciones más precisas del riesgo de incendio y ayuden a mitigar los devastadores efectos de los incendios forestales en todo el mundo.

 Investigadores de BCAM , dirigidos por Gianni Pagnini (Leader del Grupo de Física Estadística e Investigador Asociado de Ikerbasque en BCAM), han logrado avances significativos en la investigación de incendios forestales al mejorar la capacidad de predicción de los simuladores operativos de incendios forestales. Un aspecto crítico de su trabajo consiste en abordar la complejidad introducida por la aleatoriedad en la detección de incendios, donde las brasas de un incendio primario pueden encender nuevos fuegos a distancias considerables, complicando los esfuerzos de extinción.

El éxito científico de este trabajo radica en la investigación colaborativa a varios niveles, desde la investigación fundamental a la aplicada, dando forma a un estudio colaborativo y multidisciplinar en el que participan BCAM, la Fundación de Investigación CIMA, Protección Civil Italiana / Gobierno Regional de Molise (Italia). Este artículo es un producto del proyecto Proof of Concept PDC2022-133115-I00 «Be a Better Digital Fire-Fighter».

En este estudio dirigido por Pagnini, se integraron innovadoras parametrizaciones de detección de incendios en el simulador PROPAGATOR basado en autómatas celulares (AC). Este avance incluye la implementación de RandomFront, una parametrización basada en la física previamente inexplorada en simuladores basados en CA.

La investigación se centró en un estudio de caso del incendio forestal de 2021 en Campomarino, Italia, en el que la localización del fuego influyó significativamente en la dinámica de propagación del incendio. Al comparar RandomFront con la literatura de parametrización establecida, los investigadores observaron que RandomFront producía un patrón de probabilidad de ignición del fuego más intrincado, destacando las mayores probabilidades de ignición en las zonas afectadas por la detección de incendios.

La predicción precisa del comportamiento del fuego es crucial para una gestión eficaz de los incendios forestales. Este estudio subraya la importancia de integrar modelos innovadores de detección de incendios en simuladores como PROPAGATOR, mejorando así la capacidad de predecir la propagación de incendios forestales y apoyar la toma de decisiones.

Esta investigación no sólo avanza en la comprensión científica de la dinámica de detección de incendios, sino que también establece un punto de referencia para futuras mejoras en los modelos operativos de simulación de incendios forestales. Se espera que los resultados sirvan de base a evaluaciones más precisas del riesgo de incendios y ayuden a mitigar los devastadores efectos de los incendios forestales en todo el mundo.

El estudio y el proyecto se ajustan a la clasificación TRL de la UE: TRL 7. Los niveles de preparación tecnológica (TRL) indican niveles de madurez tecnológica que van del 1 al 9, donde TRL 7, en esta escala, significa alta aplicabilidad, con un sistema o prototipo de demostración en un entorno real. Además, el artículo científico se ha publicado en «Agricultural and Forest Meteorology», una revista de gran impacto.