Esta investigación es el resultado de una colaboración internacional entre la Universidad de Granada —a través del Departamento de Análisis Geográfico Regional, EGEMAP (TerraLab 2 UGR) y DaSCI— y socios como Gaia Robotics (Grecia), la Universidad de Valencia y el Instituto de Sistemas Industriales (ISI, Centro de Investigación Athena). El estudio se llevó a cabo en colaboración con la bodega Orfanos Estate en Patras (Grecia), que proporcionó acceso a viñedos reales afectados por incendios.

Tras el incendio forestal de agosto de 2025 cerca de Patras, el estudio utilizó imágenes RGB captadas con dron, con una resolución aproximada de 1,5 cm, para cartografiar los impactos del fuego a escala de parcela. La metodología combina dos enfoques complementarios.

En primer lugar, un flujo de trabajo interpretable basado en índices de vegetación RGB (como ExG, NGRDI, GRVI y VARI), integrados mediante análisis de componentes principales (PCA) y agrupamiento k-means, permite la identificación de patrones de severidad del daño por fuego. Este enfoque es rápido, requiere un volumen mínimo de datos y proporciona resultados claros y explicables.

En segundo lugar, el estudio aplicó un modelo de aprendizaje profundo (U-Net) para generar mapas de alta resolución de la vegetación dañada y superviviente, alcanzando una elevada precisión espacial (alrededor del 91 % de mIoU). Este modelo refina el detalle espacial de los daños por incendio, especialmente a lo largo de las filas del viñedo y sus límites.

La principal contribución del estudio reside en la combinación de ambos métodos dentro de un marco híbrido de IA. Mientras que el enfoque clásico explica los patrones subyacentes del daño, el aprendizaje profundo mejora la precisión espacial. Este equilibrio entre interpretabilidad y exactitud resulta especialmente valioso en contextos de emergencia.

Los resultados indican que la mayor parte del viñedo experimentó daños bajos a moderados, concentrándose los impactos más severos en áreas específicas. La capacidad de producir evaluaciones rápidas y fiables utilizando datos UAV de bajo coste hace que este enfoque sea altamente relevante para su uso operativo.

Al integrar métodos avanzados de IA con tecnologías accesibles, el estudio apoya los objetivos de FIRE WINE, contribuyendo a una gestión más resiliente de los viñedos y a una mejor respuesta frente a los impactos de los incendios forestales en un contexto de cambio climático.

2. Andalusian Research Institute in Data Science and Computational Intelligence, DaSCI, University of Granada, 18071, Granada, Spain

3. RNM-197 research group.

Terra-lab 2 (UGR): EGEMAP: Environmental Geography and Mapping (www.egemap.eu)