Aplicando Big Data para predecir y controlar incendios

Ya hemos visto que la era de los Big Data está dando lugar a muchas aplicaciones interesantes. Se está trabajando en metodologías y herramientas para aprovechar los Big Data en aplicaciones científicas complejas orientadas a la evolución de datos dinámicos en todos los ámbitos de la ciencia y de la ingeniería, incluyendo la genómica (mapeo del genoma), geomática (informática aplicada a la observación geográfica de la tierra), estudio del metro, gestión de la energía, biomedicina y salud personalizada.

Lo que es común a todas estas aplicaciones es su manera única de reunir nuevos modos de investigación de las TIC. Es especialmente interesante la analítica de grandes incendios, que se divide en dos componentes: la predicción y la respuesta.

¿Por qué esto es tan importante? Entre 2001 y 2013 se produjeron 214.012 incendios forestales que quemaron un área de 1.518.311 hectáreas, una superficie mayor que la que tienen 9 de las 17 Comunidades Autónomas españolas, entre ellas: Murcia, Asturias, Navarra, Madrid o País Vasco. Entre las cifras de los incendios vemos que se calcinaron más de 100 hectáreas, que equivalen al 63,1% del total de la superficie quemada, que hubo 229 heridos y 41 muertos, y que resultaron en un coste total de más de 749 millones de euros en daños y labores de extinción. 

Puedes explorar los datos de incendios en España aquí.

Aunque no podamos controlar todos estos grandes incendios, algo que podemos hacer es adelantarnos a ellos mediante la predicción de su comportamiento. Este es el motivo por el que la gestión de desastres de los incendios forestales en curso se basa principalmente en entender su dirección y velocidad de propagación. Puesto que estos incendios forman parte de nuestras vidas, podemos preguntarnos si podemos utilizar Big Data para controlar, predecir y gestionar un gran incendio.

¿Por qué puede ayudarnos Big Data? La predicción y respuesta de grandes incendios puede beneficiarse de la explosión de datos que supone Big Data. Algunos de estos flujos de datos los generan las personas mediante los dispositivos que llevan. Muchos provienen de sensores y satélites que miden factores medioambientales. Y otros proceden de organizaciones que incluyen mapas de zonas, servicios y bases de datos en donde se archiva la cantidad de vegetación y otros tipos de combustible que se encuentren en la trayectoria de un posible incendio.

¿Por qué este es un problema de Big Data? El motivo es que podemos considerar nuevas técnicas y respuestas si somos capaces de integrar toda esta cantidad de flujos de datos heterogéneos. Muchas de estas fuentes de datos ya existen desde hace bastante tiempo, pero lo que falta en la gestión actual de desastres es una integración de sistemas dinámicos de redes de sensores en tiempo real, imágenes por satélite, herramientas de gestión de datos en tiempo "casi real", herramientas de simulación de incendios, conectividad a centros de mando de emergencias, y todo esto, antes, durante y después de un gran incendio. La integración de estos flujos de datos heterogéneos y de estas técnicas novedosas es realmente lo que está impulsando nuestra capacidad de ver cosas nuevas y desarrollar una analítica predictiva que pueda ayudar a mejorar nuestro mundo.

¿Cuáles son estas fuentes de datos heterogéneas? Una de las fuentes de datos más importantes procede del flujo de datos de los sensores que entra desde las estaciones meteorológicas y los satélites, detectando la temperatura, humedad y presión del aire. También podemos incluir en esta categoría el flujo de datos de imágenes que proceden de satélites y cámaras colocadas en las cimas de las montañas. Otra fuente de datos importante procede de instituciones, como los centros operativos e infraestructuras para la lucha contra incendios que existen en diversas comunidades de España, que pueden estar en contacto con centros de datos que generan información relacionada con el modelado de grandes incendios forestales. Estos datos incluyen mapas de perímetros de incendios actuales y anteriores elaborados por las autoridades y mapas de combustible que nos señalan la vegetación y otros tipos de combustible situados en la trayectoria de un incendio. Estos tipos de fuentes de datos suelen ser estáticas o se actualizan con muy poca frecuencia, pero proporcionan datos valiosos que están bien curados y verificados.

Una gran parte de los datos sobre incendios los genera realmente el público en redes sociales como Twitter, apoyándose en fotos compartidas. Estas son las fuentes de datos más difíciles de racionalizar durante un incendio, pero pueden ser muy útiles una vez integradas con otras fuentes de datos. Supongamos que somos capaces de sintetizar todas las fotos de Twitter sobre un incendio en curso o de verificar la opinión pública sobre los límites de un incendio. Una vez que tengamos esta información a nuestro alcance, podremos hacer muchas cosas con estos datos. Puede que solo queramos monitorizarla o a lo mejor visualizarla. Pero hasta que no reunamos todas estas fuentes de datos heterogéneas y las integremos con un análisis en tiempo real y modelado predictivo, no seremos capaces de contribuir realmente a la predicción y respuesta ante emergencias de grandes incendios forestales.

Ahora dediquemos un momento a imaginar como Big Data podría ayudar a la lucha contra incendios en el futuro. Todos estos flujos de datos se reunirían en pantallas 3D que puedan mostrar toda la información relacionada junto a la predicción meteorológica y de los incendios, de forma similar a como se gestionan las tormentas en la actualidad.

Centro de mandos de control de incendios del futuro