"Smart predictions for safer burns"
Sistema innovador que utiliza Machine Learning para predecir ventanas temporales seguras para realizar quemas prescritas en España, contribuyendo a la prevención de megaincendios forestales.
🌐 Web: igniwise.com
📊 Dataset: DOI:10.5281/zenodo.19144668
Las quemas prescritas son esenciales para prevenir megaincendios forestales, eliminando combustible vegetal acumulado. Sin embargo:
- ❌ Solo 20-30 días al año son seguros para ejecutarlas
- ❌ Un error puede convertir una quema controlada en incendio descontrolado
- ❌ La evaluación manual de condiciones es compleja y propensa a errores
IgniWise automatiza esta evaluación mediante Machine Learning, proporcionando predicciones basadas en datos históricos y condiciones actuales.
- 🤖 Machine Learning: Random Forest entrenado con 10,000+ incendios históricos
- 🗺️ Cobertura nacional: España peninsular completa (50 provincias)
- 📊 Predicciones actualizadas: Automáticamente cada 6 horas
- 🎨 Visualización intuitiva: Código de colores (🟢 seguro / 🟡 precaución / 🔴 peligroso)
- ⚡ Totalmente automatizado: Sin intervención manual
- 🆓 Gratuito y open source: Código abierto bajo licencia MIT
- 🎓 Dataset científico: Publicado en Zenodo con DOI permanente
Visita: igniwise.com
# Clonar repositorio
git clone https://github.com/TrueRomanZe/igniwise.git
cd igniwise
# Crear entorno virtual
python -m venv venv
source venv/bin/activate # Linux/Mac
# Instalar dependencias
pip install -r requirements.txt
# Configurar variables de entorno
cp .env.example .env
# Editar .env con tus API keys
# Ejecutar predicciones
python src/modeling/predict.py- Incendios históricos: MITECO (Gobierno de España) - 2001-2024
- Meteorología: OpenWeatherMap + AEMET
- Topografía: IGN España (MDT 25m)
- Vegetación: Copernicus Sentinel-2 (NDVI)
Ver DATA_SOURCES.md para licencias completas y atribuciones.
igniwise/
├── .github/workflows/ # Automatización (GitHub Actions)
├── css/styles.css
├── data/ # Datos (raw, processed, predictions)
├── js/app.js
├── models/ # Modelos ML entrenados
├── src/ # Código fuente Python
│ ├── data_collection/ # Descarga de datos
│ ├── data_processing/ # Procesamiento y features
│ ├── modeling/ # Entrenamiento y predicción
│ └── utils/ # Utilidades
├── .env.example
├── .gitignore
├── DATA_SOURCES.md
├── LICENSE
├── PRIVACY.md
├── README.md
├── index.html
└── requirements.txt
IgniWise respeta tu privacidad. Solo recopilamos estadísticas anónimas agregadas mediante Google Analytics (con anonimización de IP activada).
Ver PRIVACY.md para detalles completos.
Código: MIT License
Datos: Ver atribuciones en DATA_SOURCES.md
Dataset: CC BY 4.0 (Zenodo)
IgniWise es una herramienta de apoyo a la decisión, NO un sistema autónomo. Las quemas prescritas deben ser ejecutadas SOLO por profesionales cualificados y con las autorizaciones pertinentes.
Para alertas oficiales, consulta: AEMET
Desarrollador: Sergio Romera Martínez
Email: s.romera92@gmail.com
GitHub: @TrueRomanZe
Web: igniwise.com
Issues: github.com/TrueRomanZe/igniwise/issues
- MITECO - Datos de incendios forestales
- OpenWeatherMap & AEMET - Datos meteorológicos
- IGN España - Datos geográficos y topográficos
- Copernicus Programme - Datos satelitales
- CERN & Zenodo - Publicación científica del dataset
Si usas IgniWise o su dataset en investigación, por favor cita:
@dataset{romera2026igniwise,
author = {Romera Martínez, Sergio},
title = {{IgniWise Training Dataset - Spanish Forest
Fires (2001-2024)}},
year = 2026,
publisher = {Zenodo},
doi = {10.5281/zenodo.XXXXXXX},
url = {https://doi.org/10.5281/zenodo.XXXXXXX}
}🔥 Desarrollado para la prevención de incendios forestales en España
Última actualización: Marzo 2026