El kernel que sigue al fuego: reconstruyendo el pulso de un fuego con datos satelitales

He pasado los últimos días construyendo Fire Kernel Tracker, una app en R Shiny que representa el ciclo de vida completo de un incendio forestal: desde el primer foco hasta la extinción, usando un kernel de densidad espacio-temporal ponderado por FRP (Fire Radiative Power) sobre detecciones satelitales VIIRS/MODIS de NASA FIRMS.

Image 1 – Exportando a GIF los puntos FRP

La idea de partida era sencilla: en vez de mostrar puntos de calor sueltos como hace casi cualquier visor de incendios, quería ver cómo se mueve y se concentra la intensidad térmica día a día. Cada jornada del incendio genera una superficie de densidad ponderada por la energía radiativa real de cada detección, no solo por su posición. El centroide ponderado de cada día se conecta en una trayectoria, y una curva de FRP total muestra el patrón clásico de nacimiento, crecimiento, pico y apagado.

Usé como caso de estudio el incendio de Paüls, en el Parque Natural dels Ports (Tarragona), que ardió del 7 al 16 de julio de este año y quemó más de 3.300 hectáreas, avanzando hacia el sureste empujado por viento de mistral hasta cruzar el Ebro a la altura de Tivenys.

Trabajar con datos reales de satélite en vez de datos sintéticos me dejó una lección que vale más que la propia app: la detección activa de incendios vía satélite es muchísimo más escasa de lo que uno imagina. Un solo satélite VIIRS puede pasar por una zona muy pocas veces al día, y entre nubes, humo y el propio algoritmo de detección, un incendio de miles de hectáreas puede dejar solo un puñado de píxeles de detección algunos días. Combinar varios satélites (Suomi-NPP, NOAA-20, NOAA-21) ayuda, pero la dispersión real de los datos de campo es una diferencia enorme frente a cualquier simulación pedagógica, y es exactamente el tipo de matiz que solo se aprende peleándose con la API en vivo.

Técnicamente, la app usa un KDE ponderado (paquete ks) convertido a bandas de densidad rellenas sobre un raster de terra, con exportación a GIF animado y a KML para verlo directamente en Google Earth. Todo en R Shiny, con estética oscura y sin dependencias de mapas de pago.

Image 4 – Exportando el KMZ para compartir en Google Earth

Image 5 – Apertura de la secuencia en Google Earth, día tras día…

Sigo ampliando el repertorio de herramientas geoespaciales aplicadas a gestión de emergencias y análisis de riesgo. Si trabajas en este espacio o simplemente te interesa el tema, encantado de charlar.

Alberto Concejal
Analista de Geodatos