Conecta con nosotros

Entrevistas

“Al estudiar con nuestros algoritmos la climatología, podemos ayudar a situar mejor los medios de extinción de incendios”

Faustino Sánchez

Análisis de Datos, S. G. de Tecnologías de la Información y de las Comunicaciones

Ministerio de Agricultura, Pesca y Alimentación

Publicado el

El Proyecto Arbaria es una iniciativa de la Administración Pública para el análisis y predicción de incendios forestales que, mediante el uso de técnicas de Inteligencia Artificial relacionadas con el Machine Learning y el Deep Learning, consigue explotar de forma eficiente diversas fuentes de información.

El proyecto se divide en dos grandes áreas, una orientada al apoyo en materia de extinción y otra a la prevención, cada una de ellas empleando diferentes técnicas estadísticas y de inteligencia artificial. Los resultados obtenidos en esta materia alcanzan validaciones próximas al 80%, y sirven para anticipar, durante la campaña de incendios de verano, las provincias con una mayor probabilidad de ocurrencia, permitiendo una asignación más efectiva de recursos.

Arbaria está basado en los servicios de la nube de AWS. El proyecto se centra en un data lake creado sobre la tecnología serverless de la compañía (AWS Lambda), que permite escalar según las necesidades de cada momento, ahorrar costes y crear aplicaciones de manera muy rápida y sencilla. Sobre este proyecto y las posibilidades que ofrece la IA a la hora de combatir los incendios forestales, hemos tenido la oportunidad de charlar con Faustino Sánchez, analista de datos en el Ministerio de Agricultura, Pesca y Alimentación.

[MCPRO] Vuestro objetivo es mejorar la forma en la que se previenen los posibles incendios

[Faustino Sánchez] El proyecto parte del análisis inteligente de un conjunto de datos que se vienen recogiendo desde el año 1968 con información muy completa sobre incendios ocurridos en España, datos contextuales de meteorología del lugar, las causas del incendio y otras fuentes de información. El objetivo era actuar tanto en tareas de prevención como en extinción de incendios.

En la prevención de incendios hay dos características fundamentales que influyen. En primer lugar, todo todo aquello que tiene que ver con la Meteorología, con el tiempo que tenemos. Además, todo lo relacionado con los factores socioeconómicos también influye de forma directa o indirecta. En ese sentido, analizamos qué factores socioeconómicos son los que provocan una mayor probabilidad de ocurrencia de incendios.

Para ello tomamos datos demográficos de los más de 8.000 municipios de España, con variables como el índice de paro, el uso del suelo, el porcentaje que se usa para tareas agrarias… Con toda esa información y con la que ya tenemos, obtenemos patrones con lo que podemos imputar el riesgo
de incendio. En los municipios que presentan un nivel de riesgo más alto, son en los que podemos actuar en primer lugar. Es curioso notar cómo condiciones socioeconómicas complicadas y riesgo de incendio suelen coincidir en muchas ocasiones.

[MCPRO] ¿De qué forma tienen esos valores una incidencia directa en que se produzca un incendio?

[Faustino Sánchez] Te das cuenta de que un valor como la renta media de un municipio, el número de personas mayores de 60 años o el uso agrario del suelo, o incluso el nivel de empleo del pueblo, tienen una influencia directa. Es lo que nos están contando los algoritmos. Tras una serie de validaciones estadísticas, hemos comprobado que podemos imputar a esto un 41% de carga explicativa del incendio.

Este porcentaje lo obtenemos midiendo el efecto de estos factores a la hora de reducir la incertidumbre de las predicciones, utilizando un proceso típico de ciencia de datos, la validación cruzada. Los datos nos sirven para generar predicciones y ver el grado potencial de acierto, diferenciando los patrones causales del azar.

[MCPRO] También trabajáis en la parte de extinción del incendio una vez que se produce

[Faustino Sánchez] En la parte de la extinción es donde entra en juego el análisis de la climatología y trabajamos además con la información que nos proporcionan sobre
la situación en la que se encuentran los medios de extinción, cómo se acomodan a las distintas campañas…etc.

Al estudiar la climatología podemos ayudar a situar esos medios, como las aeronaves, en los territorios en los que consideramos que hay una mayor probabilidad de ocurrencia con una información que actualizamos cada semana.

Hasta ahora este movimiento de medios se hacía siguiendo las recomendaciones de la AEMET o incluso la intuición de los expertos sobre el terreno; pero de esta forma hemos conseguido sistematizar todo, conseguimos que haya razones objetivas y ganamos en precisión. Lo que nos interesa no es tanto acertar en el número de incendios que se van a producir en total, sino estar muy al tanto del riesgo que presentan las distintas provincias en cada momento.

[MCPRO] ¿Qué papel juega AWS en todo esto?

Sobre todo la parte de infraestructura. El área de análisis de datos en la que empezamos este proyecto…la empezamos hace dos años de forma heredada con una infraestructura más clásica (JAVA, .Net) y para proyectos de este tipo tienes que trabajar con otras arquitecturas.

En este caso trabajamos con Python, utilizando librerías de machine learning y deep learning, hemos conseguido desarrollar un ecosistema abierto a todo tipo tecnologías. También hemos ganado en sensibilidad a la hora de controlar los flujos de datos, de manera muy dinámica, trabajada, de forma muy flexible con nuestros desarrolladores DevOps para directamente, trabajar tanto la parte de desarrollo como de sistemas.

 

Periodista tecnológico con más de una década de experiencia en el sector. Editor de MuyComputerPro y coordinador de MuySeguridad, la publicación de seguridad informática de referencia.

Lo más leído