CROWNFIRE-AI combina imágenes de satélite, datos meteorológicos, información forestal y características del terreno para elaborar mapas regionales de riesgo y ayudar a los servicios de prevención a anticiparse a los incendios más extremos. Los mapas se crean para que los gestores forestales, administraciones públicas y servicios de prevención de incendios reciban alertas antes de que los incendios ocurran y para que las respuestas, por tanto, sean más efectivas.Concretamente, los incendios que predice esta inteligencia artificial son los de copa, es decir, aquellos en los que el fuego alcanza y se propaga por la parte superior de los árboles. Este comportamiento suele darse durante los denominados incendios extremos y puede provocar velocidades de avance entre dos y cuatro veces superiores a las de los fuegos de superficie, además de dificultar enormemente las labores de extinción.El incendio en Las Peñas de Riglos (Huesca) EFEEsta inteligencia artificial ha sido desarrollada tras estudiar datos de 33 incendios ocurridos en España entre 2017 y 2024. Con estos datos, los investigadores construyeron una base de datos con 18.874 puntos de referencia que permitieron entrenar el algoritmo de inteligencia artificial.Para cada uno de esos puntos se incorporó información sobre diferentes características del combustible vegetal, las condiciones meteorológicas y la topografía. Estos datos sirvieron para entrenar el algoritmo y permitir que distinguiera entre condiciones asociadas a fuegos de copa y aquellas en las que este comportamiento no se produjo. La configuración de mayor resolución, basada en Sentinel-2, superó el 90 % de exactitud.Incendio junto al embalse del Corumbel Bajo en La Palma del Condado (Huelva) Alberto Díaz / EFEPara predecir el comportamiento de los incendios de copa, el sistema utiliza, en primer lugar, imágenes de los satélites Sentinel-1 y Sentinel-2 de la Agencia Espacial Europea (ESA), el primero aporta información relacionada con la estructura y densidad de la vegetación, mientras que el segundo proporciona datos sobre diferentes propiedades biofísicas del combustible vegetal, entre ellas su cobertura, estado y contenido de agua. Por otro lado, también incorpora datos de MODIS, de la NASA, que, al igual que Sentinel-2, permiten caracterizar diferentes propiedades de la vegetación.Además de estos datos, destacan los inventarios forestales y la cartografía forestal que, aportan información sobre el tipo y la estructura del combustible vegetal. Por último, utiliza las previsiones meteorológicas del modelo Global Forecast System (GFS), que ofrecen datos sobre la temperatura, la velocidad del viento y el déficit de presión de vapor, una variable que representa las condiciones de sequedad atmosférica relacionadas con la dinámica de humedad de los combustibles finos muertos.Nube de humo en la Bahía de Cádiz, debido incendio de Niebla (Huelva) Mauri Buhigas / EFEAsimismo, gracias a estos datos, la herramienta genera predicciones sobre la probabilidad de que, si se produce un incendio en una zona y día concretos, este desarrolle un comportamiento de copa. Con estos datos no se puede evitar que se produzca un incendio, pero sí anticipar su posible comportamiento y estar mejor preparados para actuar ante una situación extrema.Para el profesor del área de ecología, adscrito al campus de Ponferrada de la Universidad de León y miembro del Grupo de investigación de Ecología Aplicada y Teledetección (GEAT), José Manuel Fernández Guisuraga, este proyecto es clave y las autoridades deben tener acceso a estas herramientas cuanto antes, ya que les aportan una gran ventaja. “La gestión preventiva se tiene que basar en estas herramientas porque al disponer de ellas parten con una ventaja enorme para poder actuar de manera más rápida y sencilla”, explica Fernández Guisuraga.La gestión preventiva se tiene que basar en estas herramientas porque al disponer de ellas parten con una ventaja enorme para poder actuar de manera más rápida y sencillaJosé Manuel Fernández GuisuragaProfesor del área de ecología, adscrito a la ULe y miembro de GEATPara consultar la plataforma hay que registrarse gratuitamente a través del servidor de la Universidad de León. Desde esta plataforma se puede seleccionar un lugar y un día concretos para conocer la probabilidad de que, si se produce un incendio, este tenga un comportamiento de copa.Y, aunque el sistema ha sido entrenado y validado con datos de incendios ocurridos en España, Fernández Guisuraga señala que la metodología podría adaptarse en el futuro a otras regiones propensas a grandes fuegos forestales. Esto sería posible incorporando los inventarios forestales de otros territorios, ya que actualmente solo cuentan con la información del territorio español.Lee tambiénCROWNFIRE-AI ha sido desarrollada por José Manuel Fernández Guisuraga. Además, también han participado investigadores de la Universidad de Valladolid (UVa) y Vexiza SL, empresa especializada en inteligencia geoespacial (GIS), Big Data e inteligencia artificial. Esta inteligencia artificial nace de un Proyecto prueba de Concepto financiado por la Agencia Estatal de Investigación en 2025. El proyecto está liderado por Leonor Calvo, directora del grupo GEAT y Alfonso Fernández.