Sistema Inteligente de Predicción de Incendios Forestales

Inspiración

El año pasado, México registró miles de incendios forestales, y la gran mayoría se abordaron de manera reactiva, actuando cuando el bosque ya estaba en llamas. Al ver cómo se pierden ecosistemas enteros en los pulmones verdes que rodean la zona metropolitana (Estado de México y Morelos), nos dimos cuenta de que la información para prevenir estas catástrofes ya existía flotando en la nube, pero estaba desconectada. Nuestra inspiración fue simple pero ambiciosa: dejar de apagar incendios y usar el poder de los datos para prevenirlos.

Qué hace

El Sistema Inteligente de Predicción de Incendios Forestales es una plataforma web de alerta temprana. El sistema no adivina dónde habrá fuego, sino que lo calcula cruzando el pronóstico meteorológico actual y futuro con el historial de zonas siniestradas. Al identificar la combinación perfecta de variables de riesgo (bajas precipitaciones, alta temperatura, ráfagas de viento y focos de calor satelitales), el sistema alerta sobre qué zonas específicas tienen la mayor probabilidad de sufrir un incendio, permitiendo a las autoridades tomar medidas preventivas.

Cómo lo construimos

Diseñamos un pipeline de datos automatizado y robusto:

Extracción (APIs): Consumimos datos satelitales térmicos de la NASA FIRMS, mapas y capas forestales de IDEFOR (CONAFOR), y variables meteorológicas (históricas, actuales y pronósticos a 5 días) mediante Open-Meteo API.
Almacenamiento y Procesamiento: Centralizamos la ingesta de esta información dispar dentro de una base de datos relacional en Azure SQL, asegurando que el procesamiento en la nube sea rápido y seguro.
Visualización: Conectamos Azure SQL a Power BI para modelar los datos y construir tableros interactivos.
Despliegue: Embebimos estos tableros en un sitio web accesible para visualizar el riesgo en tiempo real.

Retos que enfrentamos

El mayor reto técnico fue la limpieza, normalización y cruce de datos provenientes de fuentes completamente distintas (coordenadas satelitales de la NASA vs. pronósticos del clima vs. bases de datos gubernamentales). Además, el volumen de datos meteorológicos y de calor exige un alto poder de procesamiento; por esta razón, delimitamos nuestro MVP estratégicamente al Estado de México y Morelos (áreas muy importantes de la zona metropolitana), optimizando los recursos de la nube para lograr un modelo funcional y en tiempo real.

Logros de los que estamos orgullosos

Estamos muy orgullosos de haber logrado una arquitectura de datos funcional de extremo a extremo en tan poco tiempo. Logramos automatizar el flujo desde la petición a las APIs hasta la visualización en Power BI sin cuellos de botella. Además, logramos traducir datos crudos y complejos en un dashboard intuitivo que cualquier autoridad local o equipo de Protección Civil podría interpretar de un solo vistazo.

Lo que aprendimos

Aprendimos a gestionar bases de datos en Azure SQL bajo presión y a estructurar consultas eficientes para que Power BI no sufriera problemas de latencia al actualizarse. También comprendimos profundamente la correlación técnica entre las variables meteorológicas (como la dirección del viento y la humedad) y la rapidez con la que se propaga un incendio, demostrando que la tecnología tiene un lugar vital en la conservación ambiental.

Qué sigue para el Sistema Inteligente de Predicción de Incendios Forestales

El MVP es solo el comienzo. Nuestro roadmap incluye:

Escalabilidad a nivel nacional: Ampliar la capacidad de nuestros servidores para monitorear todo el territorio de México.
Integración de IA avanzada: Entrenar modelos de Machine Learning más complejos para mejorar la precisión del porcentaje de riesgo.
Sistema de alertas automatizadas: Desarrollar notificaciones directas (vía SMS o integraciones API) para autoridades de Protección Civil.
Políticas públicas: Generar reportes históricos automatizados para exponer el impacto de las catástrofes y ayudar a fundamentar planes de acción gubernamentales.