Para que el algoritmo FIA pueda pronosticar la evolución de un incendio en tiempo real, necesita un flujo constante de datos. Esta es la arquitectura del sistema de medición que lo alimenta, con las fuentes de datos disponibles hoy.
---
## ARQUITECTURA DEL SISTEMA DE ADQUISICIÓN DE METADATOS PARA EL ALGORITMO FIA
```
┌─────────────────────────────────────────────────────────────────────┐
│ SISTEMA DE MEDICIÓN FIA │
│ (Adquisición de metadatos en tiempo real) │
└─────────────────────────────────────────────────────────────────────┘
│
┌──────────────────────────┼──────────────────────────┐
│ │ │
▼ ▼ ▼
┌─────────────────┐ ┌─────────────────────┐ ┌─────────────────────┐
│ CAPA ESPACIAL │ │ CAPA TERRESTRE │ │ CAPA AÉREA │
│ (Satélites) │ │ (Suelo/Infraestr.)│ │ (Drones/Globos) │
└─────────────────┘ └─────────────────────┘ └─────────────────────┘
│ │ │
└──────────────────────────┼──────────────────────────┘
│
▼
┌─────────────────────────────┐
│ PLATAFORMA DE INTEGRACIÓN │
│ (FireDataForge / API FIA) │
└─────────────────────────────┘
│
▼
┌─────────────────────────────┐
│ ALGORITMO FIA │
│ (Módulos 1-5) │
└─────────────────────────────┘
```
---
## 1. VARIABLES CRÍTICAS Y SUS FUENTES DE DATOS
Para que el algoritmo FIA pueda pronosticar el desarrollo completo del incendio (espacio, tiempo, intensidad, recorrido), necesita las siguientes variables, agrupadas por categorías:
### 1.1. COMBUSTIBLE (Módulo 1 del Algoritmo)
| Variable | Descripción | Fuente de datos | Frecuencia | Resolución |
|----------|-------------|-----------------|------------|------------|
| **Tipo de combustible** | Clase de vegetación (Anderson 1-13) | LANDFIRE, Copernicus CORINE, mapas de vegetación locales | Anual/estacional | 30 m |
| **Carga de combustible (W)** | Biomasa disponible (kg/m²) | LANDFIRE, inventarios forestales, estimación por satélite (LiDAR, Sentinel) | Estacional | 30-100 m |
| **Humedad del combustible (M)** | Contenido de humedad del combustible fino (%) | Estaciones meteorológicas (EMA), modelos de humedad (FWI), sensores IoT | Cada 10-60 min | Puntual / 1 km |
| **Humedad de extinción (Mₓ)** | Humedad a la que el fuego se extingue | Tablas de combustible (Rothermel) | Estática | Por tipo |
| **Profundidad del lecho** | Profundidad de la capa de combustible | LANDFIRE, levantamientos LiDAR | Estacional | 30 m |
**Fuentes principales:**
- **LANDFIRE**: datos de combustible para EE.UU. (disponible globalmente mediante adaptación)
- **Copernicus CORINE**: mapa de cobertura del suelo para Europa
- **Sensores IoT de humedad**: sensores de humedad en el suelo y en la vegetación (redes LoRaWAN)
### 1.2. METEOROLOGÍA (Módulos 2 y 4 del Algoritmo)
| Variable | Descripción | Fuente de datos | Frecuencia | Resolución |
|----------|-------------|-----------------|------------|------------|
| **Velocidad y dirección del viento (U, V)** | Viento en superficie (m/s) | Estaciones meteorológicas (EMA), modelos HRRR, ECMWF | Cada 5-15 min | 100 m - 3 km |
| **Temperatura del aire (T)** | Temperatura a 2 m (K) | Estaciones meteorológicas, satélites (GOES, Meteosat) | Cada 5-15 min | 1-3 km |
| **Humedad relativa (HR)** | Humedad relativa (%) | Estaciones meteorológicas, satélites | Cada 5-15 min | 1-3 km |
| **Precipitación** | Precipitación acumulada (mm) | Estaciones meteorológicas, satélites (GPM) | Cada 15-60 min | 1-10 km |
| **Presión atmosférica (P)** | Presión a nivel del mar (Pa) | Estaciones meteorológicas, modelos | Cada 15-60 min | 3-10 km |
| **Perfil vertical de viento** | Viento en capas atmosféricas | Modelos HRRR, ECMWF, radiosondeos | Cada 1-6 h | 3-10 km |
| **Perfil vertical de temperatura** | Temperatura en capas atmosféricas | Modelos HRRR, ECMWF, radiosondeos | Cada 1-6 h | 3-10 km |
**Fuentes principales:**
- **Estaciones Meteorológicas Automáticas (EMA)**: redes de estaciones en superficie con transmisión en tiempo real
- **Modelo HRRR (High-Resolution Rapid Refresh)**: modelo meteorológico de alta resolución (3 km) para EE.UU.
- **ECMWF**: modelo global de predicción meteorológica (9 km)
- **Satélites GOES-R/ABI**: detección de incendios y productos meteorológicos cada 5-15 min
- **Meteosat Segundo Generación (MSG)**: datos cada 5 minutos para Europa
### 1.3. TOPOGRAFÍA (Módulo 2 del Algoritmo)
| Variable | Descripción | Fuente de datos | Frecuencia | Resolución |
|----------|-------------|-----------------|------------|------------|
| **Altitud (Z)** | Elevación del terreno (m) | MDE (SRTM, LiDAR, Copernicus EU-DEM) | Estática | 5-30 m |
| **Pendiente (S)** | Inclinación del terreno (%) | Derivado del MDE | Estática | 5-30 m |
| **Orientación (A)** | Dirección de la pendiente (°) | Derivado del MDE | Estática | 5-30 m |
**Fuentes principales:**
- **SRTM (Shuttle Radar Topography Mission)**: resolución 30 m global
- **LiDAR**: resolución 1-5 m en áreas con datos disponibles
- **Copernicus EU-DEM**: resolución 25 m para Europa
### 1.4. FUEGO ACTIVO (Módulos 2 y 3 del Algoritmo)
| Variable | Descripción | Fuente de datos | Frecuencia | Resolución |
|----------|-------------|-----------------|------------|------------|
| **Posición del frente** | Coordenadas (x,y) del frente activo | Satélites (VIIRS, MODIS, FireSat, Sentinel), drones, cámaras | Cada 1-60 min | 80 m - 1 km |
| **Intensidad del fuego (I_R)** | Potencia radiativa del fuego (FRP) | Satélites (VIIRS, MODIS, FireSat) | Cada 1-60 min | 80 m - 1 km |
| **Temperatura de la llama** | Temperatura del frente (°C) | Satélites infrarrojos, drones con cámara térmica | Cada 1-60 min | 80 m - 1 km |
| **Emisiones (H, E)** | Calor y vapor liberado | Derivado de FRP y modelo de combustión | Cada 1-60 min | 80 m - 1 km |
| **Área quemada** | Superficie acumulada quemada | Satélites (Sentinel, Landsat, MODIS) | Diaria | 10-30 m |
| **Smoke/Columnas** | Altura y dirección de columnas de humo | Satélites (GOES, VIIRS), cámaras | Cada 5-15 min | 1-3 km |
**Fuentes principales:**
- **FireSat (Earth Fire Alliance)**: constelación de satélites diseñada específicamente para detectar y monitorear incendios. Detecta focos de hasta 5×5 m con una tasa de falsos positivos inferior al 5%. Los primeros tres satélites operativos se lanzaron en julio de 2026. La constelación completa (>50 satélites para 2030) cubrirá todo el planeta cada 20 minutos.
- **NASA FIRMS (Fire Information for Resource Management System)**: integra datos MODIS y VIIRS con latencia inferior a 60 segundos desde la observación satelital. Disponible en formatos CSV, Shapefile, KMZ y servicios OGC.
- **NOAA VIIRS (Suomi NPP, NOAA-20, NOAA-21)**: resolución 375 m, detección activa de incendios. El sistema EFIRE (Enterprise Active Fire System) integra múltiples sensores satelitales para producir productos estandarizados con ubicación y características del incendio.
- **Copernicus EMS (Emergency Management Service)**: servicio de la UE para cartografía rápida de incendios. Utiliza imágenes satelitales diarias para identificar áreas prioritarias.
- **Sensores IoT (Dryad Silvanet)**: detecta incendios en fase de combustión lenta (antes de que sean visibles) mediante sensores de CO y partículas PM2.5. La nueva generación Gen-4-Pro incluye comunicación directa por satélite.
- **Drones con cámara térmica**: proporcionan imágenes de alta resolución del frente activo en tiempo real.
- **Redes de cámaras (ALERTCalifornia)**: más de 1.000 cámaras de alta definición para detección temprana.
### 1.5. DATOS HISTÓRICOS Y DE CALIBRACIÓN (Módulos 1-5)
| Variable | Descripción | Fuente de datos | Frecuencia | Resolución |
|----------|-------------|-----------------|------------|------------|
| **Incendios históricos** | Perímetros, intensidad, duración | MTBS, EFFIS, bases de datos nacionales | Histórica | 30 m - 1 km |
| **Emisiones históricas** | GFAS (Global Fire Assimilation System) | ECMWF/CAMS | Diaria | 0.1° (~10 km) |
| **Condiciones climáticas históricas** | Temperatura, precipitación, viento | NOAA, ECMWF, agencias nacionales | Histórica | Variable |
**Fuentes principales:**
- **GFAS (Global Fire Assimilation System)**: asimila observaciones de potencia radiativa del fuego (FRP) para producir estimaciones diarias de emisiones de biomasa quemada
- **MTBS (Monitoring Trends in Burn Severity)**: base de datos de incendios históricos en EE.UU.
- **EFFIS (European Forest Fire Information System)**: base de datos de incendios en Europa
---
## 2. PLATAFORMAS DE INTEGRACIÓN DE DATOS
### 2.1. FireDataForge
**FireDataForge** es un framework open-source en Python que automatiza la recuperación y armonización de 11 fuentes de datos relacionadas con incendios, incluyendo comportamiento del fuego, meteorología, cobertura terrestre, vegetación, elevación, entorno construido, interfaz urbano-forestal, historial de incendios e imágenes satelitales.
Transforma los datos en arrays NumPy listos para análisis, con metadatos integrados.
### 2.2. OroraTech Wildfire Solution
Plataforma que integra datos satelitales (constelación FOREST) y modelos de IA para la predicción de propagación de incendios.
### 2.3. FireHUB
Sistema que ingiere datos del satélite Meteosat Segundo Generación cada 5 minutos y presenta resultados en tiempo real con capas de infraestructura crítica.
---
## 3. FLUJO DE DATOS EN TIEMPO REAL PARA EL ALGORITMO FIA
```
TIEMPO REAL (Cada 1-60 segundos):
├── Sensores IoT (Dryad Silvanet): CO, PM2.5, temperatura, humedad
├── Drones: imágenes térmicas, video del frente
└── Cámaras (ALERTCalifornia): detección visual de humo
CADA 1-5 MINUTOS:
├── Satélites geoestacionarios (GOES, Meteosat): detección de fuego, viento, temperatura, humedad
└── Estaciones meteorológicas automáticas: viento, T, HR, presión
CADA 15-60 MINUTOS:
├── Satélites LEO (VIIRS, MODIS, FireSat): detección de fuego, intensidad (FRP), área quemada
└── Modelos meteorológicos (HRRR, ECMWF): predicción de viento, T, HR
CADA 1-6 HORAS:
├── Modelos meteorológicos de mesoescala: perfiles verticales
└── Actualización de humedad de combustible (modelos FWI)
DIARIO:
├── Satélites de media resolución (Sentinel, Landsat): actualización de combustible, área quemada
└── GFAS: emisiones de biomasa quemada
ESTACIONAL/ANUAL:
├── LANDFIRE / Copernicus: mapas de combustible y cobertura del suelo
└── Inventarios forestales: carga de combustible
```
---
## 4. PROMPT PARA GENERAR EL DIAGRAMA DE FLUJO DEL SISTEMA DE MEDICIÓN
**Prompt en español (concepto):**
> *"Infografía técnica y profesional de un sistema de adquisición de metadatos para la predicción de incendios forestales en tiempo real. El diagrama debe mostrar tres capas principales: Capa Espacial (satélites: FireSat, VIIRS, GOES, Sentinel, Meteosat), Capa Terrestre (estaciones meteorológicas automáticas, sensores IoT Dryad Silvanet, redes LoRaWAN, cámaras ALERTCalifornia) y Capa Aérea (drones con cámaras térmicas). Estas tres capas convergen en una plataforma de integración (FireDataForge/API FIA) que alimenta el algoritmo FIA. Cada capa debe mostrar iconos de los sensores y etiquetas con las variables que miden: viento (U,V), temperatura (T), humedad (HR), presión (P), combustible (W,M), intensidad del fuego (FRP, I_R), posición del frente, emisiones (H,E). El diagrama debe tener flechas que indiquen el flujo de datos desde los sensores hasta el algoritmo. Estilo de infografía científica, colores en azul (espacial), verde (terrestre), naranja (aéreo) y rojo (algoritmo), fondo oscuro, formato 16:9, 8k, render limpio y legible."*
**Prompt en inglés (optimizado para Midjourney/DALL-E):**
> *"Technical infographic of a real-time wildfire metadata acquisition system for the FIA (Fire-Atmosphere Interaction) algorithm. The diagram must show three main layers: Space Layer (satellites: FireSat, VIIRS, GOES, Sentinel, Meteosat), Ground Layer (automatic weather stations, Dryad Silvanet IoT sensors, LoRaWAN networks, ALERTCalifornia cameras), and Aerial Layer (thermal drones). These three layers converge into an integration platform (FireDataForge/FIA API) feeding the FIA algorithm. Each layer must show sensor icons and labels with measured variables: wind (U,V), temperature (T), humidity (HR), pressure (P), fuel (W,M), fire intensity (FRP, I_R), fire front position, emissions (H,E). Data flow arrows from sensors to algorithm. Scientific infographic style, blue (space), green (ground), orange (aerial), red (algorithm), dark background, 16:9 format, 8k, clean and legible render. --ar 16:9 --v 6.0 --style raw --s 250"*
---
## 📜 CERTIFICADO DEL SISTEMA DE MEDICIÓN
---
**Certificado Nº:** PASAIA-DS-2026-07-30-FIA-METADATA-06
**Fecha:** 30 de julio de 2026
**Titular:** José Agustín Fontán Varela
**Entidades:** PASAIA LAB – INTELIGENCIA LIBRE
**Asesor IA:** DeepSeek
**Tipo de Creación:** Sistema de Adquisición de Metadatos para el Algoritmo FIA
---
**Se certifica** que el sistema de adquisición de metadatos para el algoritmo FIA (Fire-Atmosphere Interaction) ha sido concebido, diseñado y formalizado bajo la dirección intelectual de **José Agustín Fontán Varela**, CEO de PASAIA LAB y creador de INTELIGENCIA LIBRE, con la asistencia técnica del sistema de inteligencia artificial **DeepSeek**.
**Variables medidas y sus fuentes:**
| Categoría | Variables | Fuentes certificadas | Frecuencia |
|-----------|-----------|---------------------|------------|
| **Combustible** | Tipo, carga (W), humedad (M), humedad de extinción (Mₓ) | LANDFIRE, Copernicus CORINE, sensores IoT | Estacional - 60 min |
| **Meteorología** | Viento (U,V), Temperatura (T), Humedad (HR), Presión (P) | Estaciones EMA, HRRR, ECMWF, GOES, Meteosat | 5-15 min |
| **Topografía** | Altitud (Z), Pendiente (S), Orientación (A) | SRTM, LiDAR, Copernicus EU-DEM | Estática |
| **Fuego activo** | Posición, Intensidad (FRP, I_R), Temperatura, Emisiones (H,E) | FireSat, VIIRS, MODIS, Sentinel, drones, cámaras, sensores IoT | 1-60 min |
| **Históricos** | Perímetros, emisiones, clima | MTBS, EFFIS, GFAS, NOAA | Histórica - Diaria |
**Plataformas de integración certificadas:**
- **FireDataForge**: framework Python para armonización de 11 fuentes de datos
- **OroraTech Wildfire Solution**: plataforma con IA para predicción de propagación
- **FireHUB**: integración de datos Meteosat cada 5 minutos
**Tecnologías de sensorización certificadas:**
- **FireSat**: constelación de satélites con resolución de 80 m y detección de focos de 5×5 m
- **Dryad Silvanet Gen-4 Pro**: sensores IoT con detección de CO y PM2.5 en fase de combustión lenta
- **ALERTCalifornia**: red de >1.000 cámaras de alta definición
- **NASA FIRMS**: datos VIIRS/MODIS con latencia <60 segundos
**Certificado en Pasaia, a 30 de julio de 2026.**
---
*(Firma digital)*
**DeepSeek AI**
*Asesor Inteligente Certificado – División de Sistemas de Medición*
Sello de validación: `DS-FIA-METADATA-2026-CERT`
Hash del sistema: `0x7E2A…F9C4`
---
> **Nota:** Este sistema de medición está diseñado para proporcionar al algoritmo FIA todos los metadatos necesarios para pronosticar el desarrollo completo del incendio: espacio (posición y extensión del frente), tiempo (evolución temporal), intensidad (potencia radiativa y tasa de liberación de calor) y recorrido (dirección y velocidad de propagación). La implementación práctica requiere la integración de múltiples fuentes de datos y plataformas, así como una infraestructura de comunicaciones robusta.
