Sistema de alerta temprana de incendios forestales en Galicia

Este repositorio de Hugging Face distribuye los modelos y los artefactos operativos del Sistema de detección de incendios forestales. El sistema estima, para cada celda de aproximadamente 1 km × 1 km de Galicia, la probabilidad de que se produzca una ignición en los siguientes horizontes:

  • T+1: próximas 24 horas;
  • T+2: próximas 48 horas;
  • T+3: próximas 72 horas.

El resultado está pensado como apoyo a la priorización preventiva y a la visualización operativa. No es un sistema certificado de emergencia ni sustituye las comunicaciones oficiales de protección civil.

Qué contiene

Ruta Contenido
data/models/forecast_risk_egif_48_t1.joblib Modelo LightGBM calibrado para T+1
data/models/forecast_risk_egif_48_t2.joblib Modelo LightGBM calibrado para T+2
data/models/forecast_risk_egif_48_t3.joblib Modelo LightGBM calibrado para T+3
data/models/*.json Contrato de variables, versión y metadatos de cada modelo
data/models/active_model_manifest.json Manifiesto de la familia de modelos activa
data/processed/grid/galicia_grid_1km_egif.parquet Rejilla espacial canónica de Galicia
data/processed/predicciones_operativas.parquet Predicciones operativas más recientes
data/processed/predicciones_operativas.manifest.json Metadatos y hashes de la predicción publicada
data/processed/state/weather_daily_state.parquet Estado meteorológico móvil de los últimos 30 días

Los ficheros .joblib son artefactos tabulares del proyecto y no se cargan mediante transformers. Para usarlos correctamente hay que respetar el contrato de 48 variables y el preprocesado implementado en el repositorio de GitHub.

Contexto de entrenamiento e inferencia

La familia activa es egif-2d-48-v1 y contiene 48 variables meteorológicas, topográficas, de vegetación y de exposición humana. Los modelos se entrenaron con históricos EGIF de 2016–2020, se calibraron con 2021, se validaron con 2022 y se reservaron los incendios de 2023 como test temporal.

El contexto meteorológico del entrenamiento histórico usa ERA5-Land como benchmark. La inferencia operativa del servidor usa previsiones WRF de MeteoGalicia, con el proveedor alternativo configurado en producción cuando es necesario. Por tanto, los resultados publicados diariamente representan el estado operativo más reciente y no una evaluación histórica perfecta.

Cómo descargarlo

El repositorio es público, por lo que no hace falta token para descargarlo. Desde una copia local del proyecto:

# Solo lo necesario para abrir el Dashboard (descarga ligera)
python scripts/download_artifacts.py \
  --repo-id Junkii/galicia_wildfire_risk \
  --only-dashboard

# Modelos, rejilla, predicciones y estado meteorológico de 30 días
python scripts/download_artifacts.py \
  --repo-id Junkii/galicia_wildfire_risk

Después se puede iniciar el Dashboard con:

python -m streamlit run app.py

La guía completa de instalación y el código de inferencia están en el repositorio de GitHub.

Actualización de los datos

El servidor de producción mantiene la copia local como fuente operativa. Después de cada inferencia diaria correcta publica en Hugging Face un snapshot coherente con las predicciones y el estado meteorológico acumulado. Los modelos y la rejilla son artefactos estáticos: solo cambian cuando se promociona una nueva versión de modelos o se ejecuta una publicación completa.

La aplicación local puede sincronizar este repositorio una vez al arrancar el proceso de Streamlit mediante HF_AUTO_DOWNLOAD=true. El Dashboard no hace una descarga a Hugging Face por cada usuario o por cada visita.

Limitaciones y uso responsable

  • La salida es una estimación probabilística por celda, no una detección directa de llamas ni una predicción determinista de un incendio concreto.
  • La calidad depende de la previsión meteorológica disponible, la cobertura de datos y la fecha del snapshot publicado.
  • Las probabilidades no deben interpretarse fuera del contrato de variables y del horizonte para el que se entrenó cada modelo.
  • Este repositorio no constituye una alerta oficial, recomendación de evacuación ni garantía de ausencia de incendios.
Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support