Machine Learning para la predicción de zonas susceptibles a incendios forestales en el cantón Pindal, Ecuador

Abstract

El uso inadecuado del fuego ha provocado incendios que han transformado progresivamente los paisajes en Ecuador. En 2021 se registraron 600 incendios forestales, afectando 3.520,45 hectáreas, de las cuales el 19,07 % correspondieron a la provincia de Loja, donde el cantón Pindal presentó 133,8 hectáreas quemadas ese año, ubicándose entre las más afectadas del país. Ante esta problemática, esta investigación modeló la susceptibilidad de ocurrencia de incendios forestales en el cantón Pindal. Mediante el Factor de Inflación de la Varianza, se identificaron dos variables de entrada asociadas a factores ambientales y antrópicos (Moisture y NDVI). Se implementaron tres algoritmos de aprendizaje automático supervisado (RL, MARS y LMT) en un conjunto de datos compuesto por 88 muestras etiquetadas como incendio y no incendio, correspondientes al período 2018-2021. Los datos se dividieron en subconjuntos de entrenamiento (75%) y validación (25%) para desarrollar y evaluar el rendimiento de los modelos. El algoritmo MARS mostró el mejor rendimiento, con un AUC de 0,929 en el conjunto de entrenamiento y 0,893 en el conjunto de validación. Con este modelo, se generó un mosaico de probabilidad de ocurrencia de incendios forestales para el periodo enero-diciembre de 2023, con el fin de realizar la zonificación del riesgo mediante un análisis espacio-temporal. La zonificación del riesgo de incendios forestales identificó a la parroquia de Los Órganos como una zona de riesgo muy alto, especialmente durante la temporada seca de agosto a enero. Las zonas urbanas mantienen una alta probabilidad de incendios durante todo el año debido a presencia constante de factores antrópicos. La evaluación de la ocurrencia de incendios mediante algoritmos de aprendizaje automático resulta ser un método integral para la gestión, extinción y prevención de incendios.