🔥 Susceptibilidad a incendios forestales en Canarias con Sentinel-2 y Deep Learning
Sistema end-to-end de susceptibilidad a incendios forestales en Canarias: ingesta de imágenes Sentinel-2 y datos meteorológicos de AEMET, red neuronal multimodal (late fusion) y visor cartográfico que se actualiza cada día con GitHub Actions.
Proyecto personal en desarrollo activo. La versión 1 está en producción, y la versión 2 aprende de incendios observados y se valida con datos que el modelo no ha visto (ver Hoja de ruta).
🌍 Visor
El pipeline se ejecuta automáticamente cada día y publica el mapa en:
👉 https://canarywildfirerisk.es/
⚠️ El mapa muestra un índice de susceptibilidad experimental, no una alerta oficial. Ver Limitaciones de la versión 1.
🌀 Trayectoria de borrascas
Pestaña del visor (trayectorias.html) que muestra, para cada borrasca o DANA que pueda afectar a Canarias, la trayectoria que prevé cada modelo:
- Deterministas: ECMWF IFS, ECMWF AIFS (IA) y NOAA GFS.
- Todos los miembros de sus ensembles (ECMWF ENS, 50 miembros; NOAA GEFS, 31) y la media de cada uno. AIFS-ENS está disponible, pero desactivado por defecto porque duplica la descarga más pesada.
- La trayectoria real, calculada con los análisis del GFS. En cada pasada se ve qué preveía el modelo y, en amarillo, lo que ocurrió después.
- La evolución entre pasadas (cada 6 h) con la fecha de validez fija y el % de miembros cuyo centro pasa a menos de 100, 200 o 300 km de cada isla.
Cómo se calcula (src/borrascas):
- Solo se descarga la presión a nivel del mar. Cada fichero GRIB2 publicado tiene un índice, y se pide únicamente el trozo de la presión, con peticiones en paralelo, tiempos de espera cortos y cambio automático de espejo (servidor de ECMWF → AWS → Google; NOAA desde AWS).
- La trayectoria real se reconstruye con los análisis del GFS hacia atrás (hasta que se forma la borrasca) y hacia delante desde la posición de
borrascas.json. Cada pasada de cada modelo empieza en la posición real a su hora.
- El workflow
trayectorias.yml se ejecuta cada hora. Comprueba qué pasadas (00/06/12/18 UTC) han publicado ya ECMWF y NOAA y procesa solo las nuevas, de la más reciente a la más antigua, con un límite de 30 min. Lo que no da tiempo se queda para la hora siguiente. Una pasada completa con todos los modelos tarda alrededor de un minuto.
Seguir una borrasca nueva. Se añade en src/borrascas/borrascas.json con una posición aproximada del centro en cualquier momento de su vida (basta con estar a menos de unos 450 km) y "active": true. Si la posición no es buena, el registro del workflow lista las bajas que hay en el análisis de esa hora para elegir la correcta. Cuando se disipa, se pone "active": false.
El % de miembros mide la incertidumbre de la trayectoria del centro, no la probabilidad de viento o lluvia.
🛰️ Satélite (últimas 3 horas)
Pestaña satelite.html con la animación de las últimas 3 horas sobre Canarias:
- MTG-I (cada 10 min): GeoColour, visible 0,6 µm, infrarrojo 10,5 µm, polvo (calima) y temperatura de fuego.
- MSG (cada 15 min): vapor de agua 6,2 µm y masas de aire.
Las imágenes las sirve directamente EUMETSAT (EUMETView, WMS público), así que no hay nada que descargar ni guardar en el repositorio. Su servidor es lento, de modo que cada fotograma es una única imagen de la vista actual. Se piden 3 a la vez, empezando por la más reciente, y la animación usa los fotogramas que ya han llegado.
📖 Versión 1 (en producción)
El modelo combina dos fuentes de información para estimar, en cada zona con vegetación del archipiélago, un índice de riesgo entre 0 y 1:
- Estado del combustible (Sentinel-2): parches de 64×64 píxeles (640×640 m) con 6 bandas (B2, B3, B4, B8, B11, B12). Se enmascaran el agua (NDWI) y las zonas sin vegetación (NDVI), y se estima el estrés hídrico de la vegetación (NDMI).
- Condiciones meteorológicas: temperatura máxima, humedad relativa media y velocidad del viento. En el entrenamiento proceden de estaciones de AEMET (2017–2026); en producción, del pronóstico HARMONIE-AROME (vía Open-Meteo), interpolado sobre el territorio.
🧠 Modelo (late fusion)
- Rama CNN: procesa el parche multiespectral de Sentinel-2.
- Rama MLP: procesa las variables meteorológicas.
- Ambas ramas se concatenan en un bloque denso con salida lineal (índice de 0 a 1).
Variable objetivo. El índice que aprende la red se construye en el Cuaderno3_preprocesado como 0,35 × riesgo meteorológico + 0,65 × riesgo de combustible. El riesgo meteorológico se calcula con umbrales de temperatura, humedad y viento, y el de combustible con el NDMI medio de la vegetación válida del parche.
⚙️ Pipeline diario (GitHub Actions)
El workflow .github/workflows/actualizar.yml se ejecuta cada día y:
以上为 README 的开头部分。其余内容请阅读原文。 查看完整 README ↗
