Influencia del diseño muestral en la estimación del peligro de incendio forestal mediante XGBoost en el oeste de la Península Ibérica
DOI:
https://doi.org/10.17398/3101-7177.2.270Palabras clave:
incendios forestales, XGBoost, peligro de incendioResumen
Los incendios forestales han aumentado en frecuencia y severidad en el oeste de la Península Ibérica, en un contexto caracterizado por episodios térmicos extremos, sequías prolongadas y modificaciones estructurales del paisaje. Este trabajo analiza la capacidad del algoritmo XGBoost para estimar el peligro de incendio mediante la integración de variables meteorológicas de ERA5 land, índices espectrales de Sentinel-2 y factores territoriales estáticos. Se evalúa específicamente la influencia del diseño de muestreo, comparando tres configuraciones con distinta proporción de puntos negativos (50%, 75% y 100%) respecto a los positivos. Los modelos presentan un rendimiento elevado y estable (AUC entre 0,960 y 0,967; exactitud entre el 88,5 y el 90,2%), con ligeras mejoras al incrementar la representación de la clase no quemada. La humedad atmosférica, la cobertura del suelo y los indicadores del estado hídrico de la vegetación destacan entre los predictores más influyentes.
Descargas
Referencias
Arcos, M. A., Balaguer-Beser, Á., & Ruiz, L. Á. (2024). Evaluating the performance of spectral indices and meteorological variables as indicators of live fuel moisture content in Mediterranean shrublands. Ecological Indicators, 169(March). https://doi.org/10.1016/j.ecolind.2024.112894
Atalay, H., Dervisoglu, A., & Sunar, A. F. (2024). Exploring Forest Fire Dynamics: Fire Danger Mapping in Antalya Region, Türkiye. ISPRS International Journal of Geo-Information, 13(3). https://doi.org/10.3390/ijgi13030074
Chuvieco, E., Yebra, M., Martino, S., Thonicke, K., Gómez-Giménez, M., San-Miguel, J., Oom, D., Velea, R., Mouillot, F., Molina, J. R., Miranda, A. I., Lopes, D., Salis, M., Bugaric, M., Sofiev, M., Kadantsev, E., Gitas, I. Z., Stavrakoudis, D., Eftychidis, G., … Viegas, D. (2023). Towards an Integrated Approach to Wildfire Risk Assessment: When, Where, What and How May the Landscapes Burn. Fire, 6(5), 1-60. https://doi.org/10.3390/fire6050215
de Rigo, D., Libertà, G., Houston Durrant, T., Artés Vivancos, T., & San-Miguel-Ayanz, J. (2017). Forest fire danger extremes in Europe under climate change: variability and uncertainty. En Publication OFFICE of the European Union. https://publications.jrc.ec.europa.eu/repository/handle/JRC108974
Meira Castro, A. C., Nunes, A., Sousa, A., & Lourenço, L. (2020). Mapping the causes of forest fires in Portugal by clustering analysis. Geosciences (Switzerland), 10(2), 7-11. https://doi.org/10.3390/geosciences10020053
Michael, Y., Helman, D., Glickman, O., Gabay, D., Brenner, S., & Lensky, I. M. (2021). Forecasting fire risk with machine learning and dynamic information derived from satellite vegetation index time-series. Science of the Total Environment, 764, 142844. https://doi.org/10.1016/j.scitotenv.2020.142844
Vitolo, C., Di Giuseppe, F., Barnard, C., Coughlan, R., San-Miguel-Ayanz, J., Libertá, G., & Krzeminski, B. (2020). ERA5-based global meteorological wildfire danger maps. Scientific Data, 7(1), 1-11. https://doi.org/10.1038/s41597-020-0554-z
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Francisco Manuel Martínez García, José Jiménez Romanillos, Jorge Juan García Ramajo, Elia Quirós (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todo el contenido disponible en el Portal de Revistas-UEx se distribuye bajo una licencia Creative Commons: Atribución 4.0 Internacional (CC BY 4.0)
