Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos

Autores
Becerra, Lucas Agustín; Laneri, Karina; Denham, Mónica Malen
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
parte de libro
Estado
versión aceptada
Descripción
Fil: Becerra, Lucas Agustín. Instituto Balseiro. Universidad Nacional de Cuyo, San Carlos de Bariloche, Río Negro, Argentina
Fil: Laneri, Karina. CONICET-IB-Centro Atómico Bariloche. Río Negro; Argentina.
Fil: Denham, Mónica Malen. Universidad Nacional de Rio Negro. Centro Interdisciplinario de Telecomunicaciones, Electrónica, Computación y Ciencia Aplicada (CITECCA). Río Negro; Argentina.
Los incendios forestales representan uno de los mayores riesgos ecológicos a nivel global. En la región patagónica, más de 50.000 hectáreas de bosques, plantaciones y zonas residenciales se incendiaron en 2025. En un esfuerzo para abordar este problema, desarrollamos un modelo basado en el marco epide- miológico SIR que simula la propagación del fuego en una grilla. El modelo integra términos de reacción, difusión y convección, capturando la dinámica del fuego bajo condiciones ambientales realistas. Las si- mulaciones se paralelizan con CUDA C++ y Python (CuPy), logrando alta performance computacional. Además, generamos visualizaciones dinámicas para asistir equipos de brigadistas en la región. Incluimos datos satelitales de vegetación, pendientes del terreno y campos de viento. Los parámetros del modelo (coeficientes de difusión, tasas de ignición para pastizales, matorrales y bosques, e intensidad del viento y pendiente) son desconocidos a priori y requieren calibración. Ajustamos el modelo a incendios sinté- ticos empleando técnicas de optimización como muestreo de Monte Carlo y algoritmos genéticos. Con ambos métodos logramos recuperar exitosamente los parámetros mencionados y para la misma cantidad de incendios simulados (570000), el algoritmo genético logró recuperar los parámetros originales con una precisión 69.9% mejor que el método de Monte Carlo. Como innovación, implementamos una red neuronal informada por la física (physics-informed neural network, PINN), que combina leyes físicas con datos empíricos para ajustar parámetros. En este trabajo logramos implementar PINNs en casos sintéti- cos sobre terrenos homogéneos, obteniendo buenos resultados tanto en precisión como en tiempos de cálculo, superando a los métodos anteriores en varios aspectos.
Materia
Ingeniería, Ciencia y Tecnología
Simulación
Modelado
Incendios Forestales
Ingeniería, Ciencia y Tecnología
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
RID-UNRN (UNRN)
Institución
Universidad Nacional de Río Negro
OAI Identificador
oai:rid.unrn.edu.ar:20.500.12049/14382
Acceder
id RIDUNRN_b64b702e9143b5f37716daa44c96620f
oai_identifier_str oai:rid.unrn.edu.ar:20.500.12049/14382
network_acronym_str RIDUNRN
repository_id_str 4369
network_name_str RID-UNRN (UNRN)
spelling Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datosBecerra, Lucas AgustínLaneri, KarinaDenham, Mónica MalenIngeniería, Ciencia y TecnologíaSimulaciónModeladoIncendios ForestalesIngeniería, Ciencia y TecnologíaFil: Becerra, Lucas Agustín. Instituto Balseiro. Universidad Nacional de Cuyo, San Carlos de Bariloche, Río Negro, ArgentinaFil: Laneri, Karina. CONICET-IB-Centro Atómico Bariloche. Río Negro; Argentina.Fil: Denham, Mónica Malen. Universidad Nacional de Rio Negro. Centro Interdisciplinario de Telecomunicaciones, Electrónica, Computación y Ciencia Aplicada (CITECCA). Río Negro; Argentina.Los incendios forestales representan uno de los mayores riesgos ecológicos a nivel global. En la región patagónica, más de 50.000 hectáreas de bosques, plantaciones y zonas residenciales se incendiaron en 2025. En un esfuerzo para abordar este problema, desarrollamos un modelo basado en el marco epide- miológico SIR que simula la propagación del fuego en una grilla. El modelo integra términos de reacción, difusión y convección, capturando la dinámica del fuego bajo condiciones ambientales realistas. Las si- mulaciones se paralelizan con CUDA C++ y Python (CuPy), logrando alta performance computacional. Además, generamos visualizaciones dinámicas para asistir equipos de brigadistas en la región. Incluimos datos satelitales de vegetación, pendientes del terreno y campos de viento. Los parámetros del modelo (coeficientes de difusión, tasas de ignición para pastizales, matorrales y bosques, e intensidad del viento y pendiente) son desconocidos a priori y requieren calibración. Ajustamos el modelo a incendios sinté- ticos empleando técnicas de optimización como muestreo de Monte Carlo y algoritmos genéticos. Con ambos métodos logramos recuperar exitosamente los parámetros mencionados y para la misma cantidad de incendios simulados (570000), el algoritmo genético logró recuperar los parámetros originales con una precisión 69.9% mejor que el método de Monte Carlo. Como innovación, implementamos una red neuronal informada por la física (physics-informed neural network, PINN), que combina leyes físicas con datos empíricos para ajustar parámetros. En este trabajo logramos implementar PINNs en casos sintéti- cos sobre terrenos homogéneos, obteniendo buenos resultados tanto en precisión como en tiempos de cálculo, superando a los métodos anteriores en varios aspectos.Uncuyo2025-10-30info:eu-repo/semantics/bookPartinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_3248info:ar-repo/semantics/parteDeLibroapplication/pdfTítulo del trabajo: Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos. Autores: Lucas Becerra, Karina Laneri, Mónica Malen Denham Evento: I Reunión Trinacional de Ecología Organizadores: Asociación Argentina de Ecología, Sociedad de Ecología de Chile, Comunidad Ecológica del Uruguay Fechas: 5 al 10 de Octubre de 2025 Lugar: Ciudad de Mendoza, Mendoza Presentación Oralhttp://rid.unrn.edu.ar/handle/20.500.12049/14382spainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/reponame:RID-UNRN (UNRN)instname:Universidad Nacional de Río Negro2026-10-01T11:58:10Zoai:rid.unrn.edu.ar:20.500.12049/14382instacron:UNRNInstitucionalhttps://rid.unrn.edu.ar/jspui/Universidad públicaNo correspondehttps://rid.unrn.edu.ar/oai/snrdrid@unrn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:43692026-10-01 11:58:11.177RID-UNRN (UNRN) - Universidad Nacional de Río Negrofalse
dc.title.none.fl_str_mv Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos
title Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos
spellingShingle Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos
Becerra, Lucas Agustín
Ingeniería, Ciencia y Tecnología
Simulación
Modelado
Incendios Forestales
Ingeniería, Ciencia y Tecnología
title_short Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos
title_full Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos
title_fullStr Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos
title_full_unstemmed Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos
title_sort Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos
dc.creator.none.fl_str_mv Becerra, Lucas Agustín
Laneri, Karina
Denham, Mónica Malen
author Becerra, Lucas Agustín
author_facet Becerra, Lucas Agustín
Laneri, Karina
Denham, Mónica Malen
author_role author
author2 Laneri, Karina
Denham, Mónica Malen
author2_role author
author
dc.subject.none.fl_str_mv Ingeniería, Ciencia y Tecnología
Simulación
Modelado
Incendios Forestales
Ingeniería, Ciencia y Tecnología
topic Ingeniería, Ciencia y Tecnología
Simulación
Modelado
Incendios Forestales
Ingeniería, Ciencia y Tecnología
dc.description.none.fl_txt_mv Fil: Becerra, Lucas Agustín. Instituto Balseiro. Universidad Nacional de Cuyo, San Carlos de Bariloche, Río Negro, Argentina
Fil: Laneri, Karina. CONICET-IB-Centro Atómico Bariloche. Río Negro; Argentina.
Fil: Denham, Mónica Malen. Universidad Nacional de Rio Negro. Centro Interdisciplinario de Telecomunicaciones, Electrónica, Computación y Ciencia Aplicada (CITECCA). Río Negro; Argentina.
Los incendios forestales representan uno de los mayores riesgos ecológicos a nivel global. En la región patagónica, más de 50.000 hectáreas de bosques, plantaciones y zonas residenciales se incendiaron en 2025. En un esfuerzo para abordar este problema, desarrollamos un modelo basado en el marco epide- miológico SIR que simula la propagación del fuego en una grilla. El modelo integra términos de reacción, difusión y convección, capturando la dinámica del fuego bajo condiciones ambientales realistas. Las si- mulaciones se paralelizan con CUDA C++ y Python (CuPy), logrando alta performance computacional. Además, generamos visualizaciones dinámicas para asistir equipos de brigadistas en la región. Incluimos datos satelitales de vegetación, pendientes del terreno y campos de viento. Los parámetros del modelo (coeficientes de difusión, tasas de ignición para pastizales, matorrales y bosques, e intensidad del viento y pendiente) son desconocidos a priori y requieren calibración. Ajustamos el modelo a incendios sinté- ticos empleando técnicas de optimización como muestreo de Monte Carlo y algoritmos genéticos. Con ambos métodos logramos recuperar exitosamente los parámetros mencionados y para la misma cantidad de incendios simulados (570000), el algoritmo genético logró recuperar los parámetros originales con una precisión 69.9% mejor que el método de Monte Carlo. Como innovación, implementamos una red neuronal informada por la física (physics-informed neural network, PINN), que combina leyes físicas con datos empíricos para ajustar parámetros. En este trabajo logramos implementar PINNs en casos sintéti- cos sobre terrenos homogéneos, obteniendo buenos resultados tanto en precisión como en tiempos de cálculo, superando a los métodos anteriores en varios aspectos.
description Fil: Becerra, Lucas Agustín. Instituto Balseiro. Universidad Nacional de Cuyo, San Carlos de Bariloche, Río Negro, Argentina
publishDate 2025
dc.date.none.fl_str_mv 2025-10-30
dc.type.none.fl_str_mv info:eu-repo/semantics/bookPart
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_3248
info:ar-repo/semantics/parteDeLibro
format bookPart
status_str acceptedVersion
dc.identifier.none.fl_str_mv Título del trabajo: Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos. Autores: Lucas Becerra, Karina Laneri, Mónica Malen Denham Evento: I Reunión Trinacional de Ecología Organizadores: Asociación Argentina de Ecología, Sociedad de Ecología de Chile, Comunidad Ecológica del Uruguay Fechas: 5 al 10 de Octubre de 2025 Lugar: Ciudad de Mendoza, Mendoza Presentación Oral
http://rid.unrn.edu.ar/handle/20.500.12049/14382
identifier_str_mv Título del trabajo: Predicción de la propagación de incendios forestales en la región patagónica: Calibración de un modelo basado en física e impulsado por datos. Autores: Lucas Becerra, Karina Laneri, Mónica Malen Denham Evento: I Reunión Trinacional de Ecología Organizadores: Asociación Argentina de Ecología, Sociedad de Ecología de Chile, Comunidad Ecológica del Uruguay Fechas: 5 al 10 de Octubre de 2025 Lugar: Ciudad de Mendoza, Mendoza Presentación Oral
url http://rid.unrn.edu.ar/handle/20.500.12049/14382
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Uncuyo
publisher.none.fl_str_mv Uncuyo
dc.source.none.fl_str_mv reponame:RID-UNRN (UNRN)
instname:Universidad Nacional de Río Negro
reponame_str RID-UNRN (UNRN)
collection RID-UNRN (UNRN)
instname_str Universidad Nacional de Río Negro
repository.name.fl_str_mv RID-UNRN (UNRN) - Universidad Nacional de Río Negro
repository.mail.fl_str_mv rid@unrn.edu.ar
_version_ 1877861838543126528
score 12.854657

Publicaciones similares