Desarrollo de un modelo predictivo de incendios forestales utilizando algoritmos de machine learning en el Distrito Metropolitano de Quito
Fecha
Autores/as
Título de la revista
ISSN de la revista
Título del volumen
Editor
DOI
Resumen
Los incendios forestales son una amenaza para el medio ambiente, la biodiversidad y la seguridad de la población, debido a los impactos ambientales, sociales y económicos que se genera. La ocurrencia de incendios forestales depende de diferentes factores, entre ellos las condiciones climáticas, ambientales y las actividades humanas. En el Distrito Metropolitano de Quito (DMQ), los incendios forestales representan un desafío permanente para las instituciones responsables de la gestión del riesgo ya que afectan áreas protegidas, zonas de interfaz urbano-forestal, infraestructura y la calidad del aire, además de comprometer la disponibilidad de recursos para la atención de emergencias. El desarrollo de herramientas de Ciencia de Datos y Machine Learning ofrece nuevas oportunidades para fortalecer la prevención y la gestión de incendios forestales mediante el análisis de grandes volúmenes de información, los algoritmos de aprendizaje automático permiten identificar patrones complejos entre variables meteorológicas e información histórica de incendios forestales, generando modelos predictivos capaces de estimar la probabilidad de ocurrencia de futuros eventos, estas capacidades convierten al Machine Learning en una herramienta de apoyo para la planificación estratégica, la asignación eficiente de recursos y la implementación de acciones preventivas orientadas a reducir el impacto de los incendios forestales. Por tal motivo esta investigación desarrolla un modelo predictivo de incendios forestales para el Distrito Metropolitano de Quito utilizando información histórica de incendios forestales registrada por el Cuerpo de Bomberos del Distrito Metropolitano de Quito (CBDMQ), la cual se complementa con registros meteorológicos provenientes de las estaciones meteorológicas institucionales del CBDMQ y de la Empresa Pública Metropolitana de Agua Potable y Saneamiento (EPMAPS), la integración de estas fuentes permitió construir una base de datos unificada con variables como temperatura, humedad relativa, precipitación, radiación solar, velocidad del viento y coordenadas geográficas asociadas con las estaciones meteorológicas, proporcionando información representativa de las condiciones ambientales asociadas a la ocurrencia de incendios. Para desarrollar el modelo se utilizó la metodología CRISP-DM, que permitió organizar las diferentes etapas de la investigación. Primero se integraron y depuraron los datos para posteriormente realizar el análisis exploratorio. Con la información preparada se construyeron tres modelos de clasificación: Regresión Logística, Random Forest y XGBoost. Después se optimizaron los hiperparámetros y se comparó el desempeño de los modelos mediante diferentes métricas. Finalmente, se utilizó SHAP (SHapley Additive exPlanations) para analizar el aporte de las variables en las predicciones y facilitar la interpretación de los resultados. Los resultados obtenidos permitieron identificar las variables meteorológicas y espaciales con mayor influencia en las predicciones y comparar la capacidad predictiva de los algoritmos evaluados. A partir de estos resultados, la investigación proporciona información que puede servir como apoyo para la toma de decisiones relacionadas con la prevención, planificación y gestión del riesgo de incendios forestales en el Distrito Metropolitano de Quito.






