-
Los incendios son difíciles de predecir sin información adecuada, tanto temporalmente como espacialmente. Esto presenta un desafío para los países o comunidades con menos recursos y menos personal capacitado para interpretar los datos.
-
Actualmente, la técnica más utilizada para identificar las áreas más propensas a tener incendios forestales es el análisis de imágenes satelitales. Estas imágenes se obtienen desde 1970 gracias a los programas LANDSAT y COPERNICUS que toman imágenes desde el espacio y las almacenan gratuitamente para ser utilizadas.
-
También se analiza información desde drones y otros unmanned aerial vehicles (UAVs). Estos vehículos son capaces de tener una visión amplia del territorio, obtener fotografías de alta resolución y cargar cámaras termales o LIDAR para identificar emisiones de radiación.
-
La tecnología que ofrece la computación en la nube y MapReduce a parallel big data processing technology, permiten analizar millones de documentos - larger than 1 TB-, estadísticas e imágenes en cuestión de horas. Esto provee un índice de riesgo de incendios comprensivo y adaptable a múltiples comunidades.
-
Las líneas de transmisión de energía muchas veces cruzan zonas con mucha vegetación en las wildland-urban interface, cuando estos sistemas fallan irradian calor que crea incendios forestales. Las fallas más comunes son conductores caídos, chispas eyectadas desde conductores cuando chocan entre sí y productos quemados que caen al suelo. A través del análisis de la forma de las ondas eléctricas se pueden detectar el momento que los sistemas de transmisión fallan previniendo eventos que puedan causar un incendio forestal.
-
Una forma de predecir dónde ocurrirá un incendio que se ha trabajado desde hace décadas es indagar en la experiencia de los habitantes de los territorios afectados. A través de encuestas y entrevistas usualmente rescatan 5 tipos de datos históricos relevantes: (1) subjective and advanced wildfire knowledge, (2) self-reported perceptions, (3) level of information, (4) self-protection measures, and (5) importance of community involvement.
Referencias
- Hernández-Leal et al., 2006, Advances in Space Research 37(4), 741-746.
- Masoumi et al., 2019, ISPRS International Journal of Geo-Information 8(12), 579.
- Zhang, 2021, Alexandria Engineering Journal 60(1), 1537-1544.
- Wischkaemper et al., 2014, ISGT, 1-5.
- Spano et al., 2021, International Journal of Environmental Research and Public Health 18(16), 8385
Descarga
Download this infographic as PDF: PG2.pdf
