Ya sé que es una obviedad pero la precisión importa… Un caso de estudio de por qué la resolución espacial importa en comunicación de crisis, no solo en análisis técnico. Después de un tiempo con problemas con un código para generar Super-resolution en Google COLAB, lo he conseguido arreglar (gracias a Claude y a mis conocimientos de fuentes geoespaciales, todo sea dicho, que pareciera que todo olo hace la IA, ¡No!). Varios días de trabajo ahorrado.
Parece que ya estamos llegando al final de este incendio pero se ha “comido” casi 32,000 ha! y me llamó la atención cómo lo tienen que haber pasado los habitantes de este pequeño pueblo de la zona llamado Las Navas de Jadraque que según Google Maps, se quemó enteramente… el fuego de la Sierra Norte de Guadalajara es exactamente ese tipo de incendio “mega” (más de 30.000 ha, nivel 2, decenas de pueblos evacuados) donde la cobertura mediática y las capas de datos rápidos tienden a generalizar y “tragarse” núcleos de población que en realidad sobrevivieron, sobre todo cuando hay defensa activa in situ. De hecho el alcalde de Las Navas de Jadraque, Eliseo Marigil, relató que ha estado subiendo y bajando al pueblo desde el viernes, y que dos ganaderos con cerca de 200 cabezas de vacuno y otros cuatro vecinos se quedaron con su permiso — precisamente porque las llamas se reavivaron varias veces tras el paso del grueso del incendio y hacía falta alguien in situ para avisar. Un frente que “pasa” pero no arrasa el núcleo urbano, algo que un perímetro generalizado tipo Google/FIRMS puede pintar como “absorbido” sin serlo.
Google Maps / capas de incendio activo suelen basarse en detecciones térmicas MODIS/VIIRS (375m–1km) o en perímetros oficiales generalizados (buffers, KML simplificados), no en clasificación de superficie real. A esa resolución, un pueblo pequeño como Las Navas de Jadraque (área municipal ~8 km², núcleo urbano mucho más pequeño) puede quedar completamente “engullido” por un solo píxel de detección térmica cercana, aunque el pueblo en sí nunca ardiera.
Antes de ayer 20260721 estaba rodeando el pueblo pero ya no había movimiento en la zona según vemos en el Copernicus browser visualizando el SWIR.
Visualizando el NIR y haciendo un poco de zoom lo vemos todavía con más claridad pero
Con este pipeline de Google Colab (es curioso, Google Maps “la caga” y Google Colab le rectica, jeje) se puede mostrar el perímetro real de la cicatriz de quemado vs. el núcleo urbano intacto, algo que a 375m-1km de resolución es literalmente invisible. Esto es justo lo que confirma la fuente sobre el terreno: tras el paso del grueso del incendio las llamas se reavivaron en varias ocasiones y fueron controladas gracias a que había alguien allí para avisar, es decir, hubo defensa activa del núcleo, consistente el hallazgo de que el pueblo no fue absorbido. ¡Bien!
¿Te interesa usar este script de Python? Prueba tú mismo en Google COLAB (https://colab.research.google.com/). Nada más que tienes que actualizar los datos de nombre de proyecto, ubicación y fecha de la imagen Sentinel 2 elegida, en mi caso 2026-07-21:
Celda1 (montar drive)
from google.colab import driveimport osfrom datetime import datetimedrive.mount('/content/drive')output_path = '/content/drive/MyDrive/Sentinel2_nombreproyecto'!mkdir -p {output_path}!rm -rf /content/output!ln -s {output_path} /content/output
Celda2 (instalación, obviar el mensaje de error: “pip’s dependency…”)
!pip -q install https://storage.googleapis.com/0x7ff601307fa5/s2dr3-20250905.1-cp312-cp312-linux_x86_64.whl
Celda3 (instalación2, obviar el mensaje de error: “pip’s dependency…”)
!pip -q install --upgrade --force-reinstall scipy numba
Celda4 (comprobación)
import s2dr3.inferutilsprint("Import OK")
Celda5 (actualizar ubicación y fecha)
lonlat = (-3.0253240108598822, 41.10178516492805) # (lon, lat) - Las Navas de Jadraque, Guadalajaradate_actuelle = '2026-07-21'
Celda6 (lanzado)
print(f"Lancement de la super-résolution pour Las Navas de Jadraque (Date cible : {date_actuelle})...")s2dr3.inferutils.test(lonlat, date_actuelle)print(f"Traitement terminé. Les fichiers sont dans : {output_path}")
Este caso demuestra que las capas de “incendios activos” que ofrecen plataformas como Google Maps —basadas en detecciones térmicas de baja resolución (300m-1km) o en perímetros oficiales generalizados— tienden a sobreestimar el área realmente afectada, pudiendo dar por “absorbidos” núcleos urbanos que en realidad resistieron gracias a la defensa activa sobre el terreno, como ocurrió en Las Navas de Jadraque. Frente a esto, propongo un enfoque complementario: el uso de superresolución aplicada a imágenes Sentinel-2 (10m) para reconstruir la cicatriz de quemado a escala de 1m, permitiendo distinguir con precisión qué estructuras y núcleos de población quedaron realmente dentro del perímetro de quemado y cuáles se salvaron. Este tipo de análisis no pretende sustituir a los sistemas de alerta temprana —que priorizan velocidad sobre precisión geométrica— sino complementarlos en la fase de evaluación post-incendio, aportando una capa de verdad-terreno de bajo coste y alta resolución que resulta especialmente valiosa para la gestión de emergencias, la comunicación a la población afectada y la planificación de la recuperación.
Espero que te haya interesado. Si es así, esta vez no lo dejes. Dame un toque que quiero llegar a los 2000 seguidores pronto. ¿Para qué? Para encontrar un trabajo útil e interesante lo antes posible 🙂 ¡Saludos cordiales!.
Alberto Concejal
Analista Geospacial
Fuentes
https://colab.research.google.com/
https://browser.dataspace.copernicus.eu/
https://www.google.com/maps/@41.0858821,-3.0765216,12.94z/data=!5m1!1e8?entry=ttu&g_ep=EgoyMDI2MDcyMC4wIKXMDSoASAFQAw%3D%3D
https://www.sigterritoires.fr/index.php/es/uso-de-s2dr3-en-google-colab-para-el-estudio-de-los-corales-en-mauricio/
https://geovisualization.net/2026/03/18/super-resolution-1-m-a-cadalso-de-los-vidrios-madrid-avec-sentinel-2-10m-magique/
Geovisualization.net 