La efectividad de los sistemas lineales preventivos de defensa frente a incendios forestales, diseño procedimental para su testado y evaluación

• Macarena Ortega Pardo ^[1] ; Francisco Rodríguez y Silva ^[1]
  1. [1] Universidad de Córdoba

     Universidad de Córdoba

     Cordoba, España

     
• Localización: El arte de investigar: Córdoba, del 3 al 6 de mayo de 2022 / Inmaculada Luque Moreno (dir. congr.), 2022, ISBN 978-84-9927-712-7, págs. 657-661
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Las actuaciones preventivas mitigan la progresión dinámica y energética del fuegoy disminuyen su dificultad de extinción, facilitando una respuesta segura y eficientede los medios. Dadas las restricciones presupuestarias se tiende a homogeneizarsu diseño y es la falta de fundamento técnico lo que pone en entredicho suefectividad y la justificación de su inversión económica.Las técnicas de machine learning permiten generar modelos predictivos de laefectividad de las infraestructuras preventivas a partir de sus características estructuralesy variables del comportamiento del fuego. Partiendo de la generación de unaamplia base de datos de incendios forestales en Andalucía entre 2011 y 2018 queen su propagación interceptaron infraestructuras preventivas, 563 interseccionesfueron identificadas y caracterizadas. Se han reconocido, como variables de mayorimportancia en la probabilidad de control del fuego, el tipo trabajo de extinciónque sobre la infraestructura preventiva se apoya, la longitud de llama y el ángulode intersección del fuego con la infraestructura. La modelización de la efectividadpermitiría una optimización de su capacidad de contención de los incendios forestalesy un incremento de la seguridad de los combatientes. Este estudio empíricosupone una herramienta útil para incorporar en el proceso de toma de decisionesde los gestores del territorio y los dispositivos de extinción de incendios forestales.

  • English

    Preventive actions mitigate the dynamic and energetic progression of the fire andreduce suppression difficulty, facilitating a safe and efficient response. Due to budgetaryconstraints, infrastructure design homogenization tends to occur. The lack oftechnical support calls into question their effectiveness and the justification of theireconomic investment.Machine learning techniques afford to generate predictive models of preventiveinfrastructures effectiveness based on fire behavior and infrastructure design variables.Starting with the generation of a comprehensive database of real wildfires inAndalusia from 2011 to 2018 that intersected preventive infrastructures, 563 intersectionswere identified and characterized. The factors recognized as having thegreatest influence on preventive infrastructure effectiveness were the type of suppressionwork supported, the flame length and the intersection angle between fireand preventive infrastructure. Modeling the effectiveness of preventive infrastructureswould allow an optimization of wildfire containment capacity and an increasein firefighter safety. This empirical study is a useful tool to be incorporated into thedecision-making process of land managers and wildfire suppression agencies.