000165949 001__ 165949
000165949 005__ 20260116002212.0
000165949 0247_ $$2doi$$a10.18172/cig.6792
000165949 0248_ $$2sideral$$a147364
000165949 037__ $$aART-2025-147364
000165949 041__ $$aeng
000165949 100__ $$aCrespo Pérez, Rodrigo$$uUniversidad de Zaragoza
000165949 245__ $$aWildfire occurrence in Chile: regional modeling and implications for risk management
000165949 260__ $$c2025
000165949 5060_ $$aAccess copy available to the general public$$fUnrestricted
000165949 5203_ $$aWildfires pose a major environmental and societal challenge, due to their link with anthropogenic activities and changing climatic conditions. This study aimed to enhance our understanding of the drivers of wildfire occurrence across continental Chile by developing robust predictive models incorporating climatic, land cover, and anthropogenic variables. We leveraged geospatial data on historical fire events, infrastructure, fuels and weather, coupled with historical fire records through Random Forest binary models to ascertain the key drivers of ignition across four distinct ecological zones: North, Central Chile, South, and the Andes. Our analysis explored potential differences between arson and unintended fires within these regions. Model validation, assessed using the Area Under the Curve (AUC), revealed significant regional variations in predictive performance. The southern and northern zones exhibited higher predictive capacity, potentially due to less complex landscapes and fewer ignition sources compared to the densely populated and infrastructure- prone central zone, which showed the lowest AUC. The Andes region displayed intermediate performance. Our results indicated that anthropogenic factors, particularly the distance to power lines, roads, and the wildland-urban interface (WUI), were consistently among the most important predictors of wildfire ignition across the majority of the studied regions. This highlights the significant impact of human accessibility and infrastructure on fire incidence in Chile. In contrast, fuel-related and climatic variables, such as Dry Fuel Moisture Content (DFMC) and its anomaly, showed generally lower importance, although their influence increased notably in the southern zone. Partial dependence plots further elucidated the distinct ways in which these key variables influenced ignition probability across different regions and between arson and unintended fires. The findings emphasize the necessity of adopting region-specific approaches in wildfire modeling and prevention strategies, acknowledging the different interactions between natural and anthropogenic factors across Chile. This research provides a fundamental understanding for future advanced modeling and targeted risk management efforts. Future research should aim to incorporate more detailed socioeconomic data to further refine predictive models and inform effective risk mitigation strategies.
Los incendios forestales representan un importante desafío ambiental y social debido a su vínculo con las actividades antropogénicas y las condiciones climáticas cambiantes. Este estudio tuvo como objetivo mejorar nuestra comprensión de los factores que impulsan la ocurrencia de incendios forestales a lo largo del territorio continental de Chile, mediante el desarrollo de modelos predictivos robustos que incorporan variables climáticas, de cobertura del suelo y antropogénicas. Se utilizaron datos geoespaciales sobre eventos históricos de incendios, infraestructura, combustibles y condiciones meteorológicas, junto con registros históricos de incendios, para construir modelos binarios de Random Forest que permitieran determinar los principales factores de ignición en cuatro zonas ecológicas distintas: Norte, Chile Central, Sur y Cordillera de los Andes. Nuestro análisis exploró posibles diferencias entre incendios provocados y no intencionados dentro de estas regiones. La validación de los modelos, evaluada mediante el área bajo la curva (AUC, por sus siglas en inglés), reveló variaciones regionales significativas en el desempeño predictivo. Las zonas sur y norte mostraron una mayor capacidad predictiva, posiblemente debido a paisajes menos complejos y a una menor cantidad de fuentes de ignición, en comparación con la zona central, densamente poblada y con alta presencia de infraestructuras, que presentó el valor de AUC más bajo. La región andina mostró un ajuste intermedio. Nuestros resultados indicaron que los factores antropogénicos —particularmente la distancia a las líneas eléctricas, carreteras y la interfaz urbano-forestal (WUI, por sus siglas en inglés)— se ubicaron de manera consistente entre los predictores más importantes de la ignición
de incendios forestales en la mayoría de las regiones estudiadas. Esto resalta el impacto significativo de la accesibilidad humana y la infraestructura sobre la incidencia de incendios en Chile. En contraste, las variables relacionadas con combustibles y clima, como el contenido de humedad del combustible seco (DFMC, por sus siglas en inglés) y su anomalía, mostraron en general una menor importancia, aunque su influencia aumentó notablemente en la zona sur. Los gráficos de dependencia parcial permitieron además esclarecer las distintas formas en que estas variables clave influyeron en la probabilidad de ignición entre regiones y entre incendios provocados y no intencionales. Los hallazgos enfatizan la necesidad de adoptar enfoques específicos por región en la modelación y las estrategias de prevención de incendios forestales, reconociendo las diferentes interacciones entre los factores naturales y antropogénicos a lo largo de Chile. Esta investigación proporciona una base
fundamental para futuros modelos avanzados y esfuerzos de gestión del riesgo más focalizados. Las investigaciones futuras deberían incorporar datos socioeconómicos más detallados con el fin de refinar los modelos predictivos e informar sobre estrategias de mitigación del riesgo más efectivas.
000165949 536__ $$9info:eu-repo/grantAgreement/ES/MICINN/CNS2023-144228$$9info:eu-repo/grantAgreement/ES/MICINN/PID2020-116556RA-I00$$9info:eu-repo/grantAgreement/ES/MICINN/RYC2021-034330-I
000165949 540__ $$9info:eu-repo/semantics/openAccess$$aby$$uhttps://creativecommons.org/licenses/by/4.0/deed.es
000165949 655_4 $$ainfo:eu-repo/semantics/article$$vinfo:eu-repo/semantics/publishedVersion
000165949 700__ $$aFélez Bernal, Jorge
000165949 700__ $$0(orcid)0000-0001-5333-2285$$aPeña Angulo, Dhais$$uUniversidad de Zaragoza
000165949 700__ $$0(orcid)0000-0001-7663-1202$$aSerrano-Notivoli, Roberto$$uUniversidad de Zaragoza
000165949 700__ $$0(orcid)0000-0002-0285-4582$$aBarrao Simorte, Samuel$$uUniversidad de Zaragoza
000165949 700__ $$0(orcid)0000-0003-2615-270X$$aDe la Riva Fernández, Juan Ramón$$uUniversidad de Zaragoza
000165949 700__ $$aGalizia, Luiz Felipe
000165949 700__ $$0(orcid)0000-0002-0477-0796$$aRodrigues Mimbrero, Marcos$$uUniversidad de Zaragoza
000165949 7102_ $$13006$$2430$$aUniversidad de Zaragoza$$bDpto. Geograf. Ordenac.Territ.$$cÁrea Geografía Física
000165949 7102_ $$13006$$2010$$aUniversidad de Zaragoza$$bDpto. Geograf. Ordenac.Territ.$$cÁrea Análisis Geográfico Regi.
000165949 773__ $$g51, 2 (2025), 29-48$$pCuad. investig. geogr.$$tGeographical Research Letters$$x0211-6820
000165949 8564_ $$s2070656$$uhttps://zaguan.unizar.es/record/165949/files/texto_completo.pdf$$yVersión publicada
000165949 8564_ $$s2447568$$uhttps://zaguan.unizar.es/record/165949/files/texto_completo.jpg?subformat=icon$$xicon$$yVersión publicada
000165949 909CO $$ooai:zaguan.unizar.es:165949$$particulos$$pdriver
000165949 951__ $$a2026-01-15-21:57:13
000165949 980__ $$aARTICLE