Resumen Técnico: Asignación Óptima de Recursos para Múltiples Incendios Forestales Considerando las Interdependencias de la Infraestructura Crítica

Definición del Problema

El artículo aborda el complejo desafío de asignar y programar recursos de extinción de incendios durante múltiples incidentes de incendios forestales simultáneos. A diferencia de los escenarios tradicionales de un solo incendio, este problema implica la distribución de recursos heterogéneos limitados (aéreos, maquinaria y personal de tierra) a través de varios incendios activos que pueden tener diferentes velocidades de propagación, direcciones y comportamientos.

Un aspecto crítico del problema es la interdependencia de la Infraestructura Crítica (IC). Los incendios forestales no solo amenazan los paisajes naturales, sino que también interrumpen sistemas esenciales como las redes eléctricas, la distribución de agua, el transporte, las telecomunicaciones y la atención sanitaria. La interrupción de una infraestructura a menudo se propaga a otras, amplificando el impacto socioeconómico total. El objetivo es determinar una estrategia de despliegue de recursos óptima que minimice el costo total del sistema, definido como la suma de:

1. Costos operativos: Gastos relacionados con el despliegue y uso de los recursos de extinción.
2. Costos de daños: Costos asociados con la reparación de la infraestructura y las interrupciones del servicio, los cuales están influenciados dinámicamente por las interdependencias entre los sistemas.

El problema se complica aún más por las restricciones dinámicas, incluyendo:

• Restricciones de recursos: Disponibilidad limitada, tiempos de viaje entre bases y sitios de incendio, y periodos máximos de trabajo (influenciados por los niveles de descanso y entrenamiento).
• Dinámica del fuego: Los incendios pueden fusionarse con el tiempo, alterando los tamaños de los perímetros y los requisitos de contención.
• Restricciones temporales: Las decisiones deben tomarse en línea (online) a medida que el incendio evoluciona, con un horizonte de planificación que típicamente cubre una ventana de 6 horas (36 pasos de tiempo de 10 minutos cada uno).

Metodología

Los autores proponen un marco de optimización en línea que integra un modelo de Programación Lineal Entera Mixta (MILP) con una herramienta de simulación llamada i2SIM (Simulador de Interdependencias de Infraestructura).

1. El Simulador i2SIM

Para cuantificar el impacto financiero de los incendios forestales en la infraestructura interconectada, el estudio utiliza i2SIM. Esta herramienta modela el flujo de recursos entre sistemas utilizando Tablas Legibles por Humanos (HRT).

• Mecanismo: Las HRT definen las relaciones de entrada-salida para cada infraestructura (por ejemplo, la capacidad de pacientes de un hospital depende de la electricidad, el agua, el personal y la integridad física).
• Lógica: En cada paso de tiempo, el nivel operativo de una infraestructura se determina por su entrada más limitante (el "cuello de botella"). Si un incendio daña una planta de energía, el resultante corte de energía reduce la capacidad del hospital, lo que a su vez aumenta los costos de interrupción del servicio.
• Alcance: El marco modela seis infraestructuras clave: redes eléctricas, bombas de gas, rutas de transporte, distribución de agua, torres de telecomunicaciones y atención sanitaria.

2. El Modelo de Optimización MILP

El motor central de toma de decisiones es un modelo MILP diseñado para minimizar el costo total durante el horizonte de planificación.

• Función Objetivo: Minimizar la suma de los costos de Cambio de Valor Neto (NVC) (daños e interrupción del servicio) y los costos operativos de los recursos.
• Variables de Decisión: El modelo determina la ubicación y el estado de cada recurso $i$ en cada paso de tiempo $t$, incluyendo:
  • Si un recurso está en un lugar de incendio específico o en una base.
  • Si un recurso se está desplazando entre ubicaciones.
  • Si un recurso está conteniendo activamente un incendio.
• Restricciones:
  • Dinámica del Fuego: Modela el perímetro restante de los incendios, contabilizando las tasas de propagación natural y la reducción del perímetro debido a los esfuerzos de contención.
  • Flujo de Recursos: Asegura que los recursos se muevan de manera realista basándose en los tiempos de viaje ($\tau$) y que no puedan estar en dos ubicaciones simultáneamente.
  • Límites Operativos: Impone periodos máximos de trabajo ($WP_i$) para las cuadrillas de tierra basados en la eficiencia del descanso y los multiplicadores de entrenamiento.
  • Fusión de Incendios: El modelo maneja dinámicamente escenarios donde incendios separados se fusionan en un solo incendio más grande, recalculando perímetros y requerimientos de recursos.
• Paso de Tiempo: El modelo opera en un marco de tiempo discreto con un paso de tiempo de 10 minutos.

3. Configuración Experimental

El marco fue probado utilizando:

• Caso Base: Un escenario específico modelado tras los incendios de Jasper City de 2024, que involucra tres incendios que se fusionan progresivamente.
• Simulaciones de Gran Escala: 50 escenarios distintos con variaciones en perímetros de incendio, tasas de propagación y configuraciones espaciales.
• Referencia (Benchmark): Se utilizó una heurística basada en prioridades para la comparación. Esta heurística asigna todos los recursos disponibles al incendio único con el mayor costo de daño inmediato, ignorando compensaciones (trade-offs) y dinámicas futuras.
• Solver: Gurobi Optimizer (v13.0.0) con un límite de tiempo de 600 segundos por ejecución.

Principales Contribuciones

1. Marco Integrado: El artículo introduce un acoplamiento novedoso entre un MILP de contención de incendios y el simulador i2SIM. Esto permite un análisis de costos socioeconómicos que considera explícitamente las fallas en cascada de la infraestructura crítica, yendo más allá de las simples métricas de "área quemada".
2. Programación Dinámica de Recursos: El modelo gestiona la toma de decisiones en línea donde las condiciones del fuego (fusión, propagación) y las restricciones de los recursos (tiempo de viaje, fatiga) evolucionan en tiempo real.
3. Gestión de la Fusión de Incendios: La formulación aborda explícitamente la dinámica no lineal de la fusión de incendios, donde el perímetro combinado es menor que la suma de los perímetros individuales, requiriendo una reoptimización adaptativa.
4. Realismo Operativo: El modelo incorpora factores humanos realistas, como la eficiencia del descanso y los niveles de entrenamiento, para calcular los periodos de trabajo efectivos de las cuadrillas de tierra.

Resultados

• Reducción de Costos: El marco de optimización propuesto superó significativamente a la heurística basada en prioridades. A través de los 50 escenarios de incendios forestales a gran escala, el modelo de optimización redujo los costos totales entre un 6.6% y un 45.1%.
• Rendimientos Decrecientes: El estudio encontró que añadir más recursos no reduce las pérdidas de forma lineal. El beneficio marginal de recursos adicionales disminuye a medida que aumenta la disponibilidad.
• Sensibilidad de los Recursos:
  • Recursos Aéreos: Aumentar la disponibilidad de recursos aéreos (particularmente helicópteros) produjo la reducción más significativa en los costos de daños debido a su alta eficiencia de contención y despliegue rápido.
  • Tiempo de Viaje: El despliegue temprano de recursos de alta capacidad es crítico. Los retrasos en los tiempos de llegada aumentaron significativamente los costos totales, resaltando la importancia de la accesibilidad.
• Eficiencia Computacional: El enfoque MILP demostró ser computacionalmente factible. Solo el 2.78% de las instancias alcanzaron el límite de 600 segundos sin probar la optimalidad, e incluso en esos casos, el MIP-Gap fue mínimo (0.02%), lo que indica que se encontraron rápidamente soluciones de alta calidad cercanas a la optimalidad.

Significado y Afirmaciones

El artículo afirma que su principal relevancia radica en proporcionar una herramienta de apoyo a la decisión en línea y computacionalmente factible para gestores de emergencias que enfrentan múltiples incendios forestales simultáneos. Al integrar las interdependencias de la infraestructura, el marco ofrece una representación más precisa del verdadero costo de los incendios forestales, permitiendo estrategias que minimicen no solo la propagación física del fuego, sino también la interrupción social y económica más amplia.

Los autores enfatizan que, mientras que los métodos tradicionales suelen depender de supuestos estáticos o de un solo incendio, su enfoque captura la naturaleza dinámica e interdependiente de las emergencias modernas por incendios forestales. Los hallazgos sugieren que la priorización estratégica —específicamente el despliegue temprano de activos aéreos y la reasignación dinámica de recursos a medida que los incendios se fusionan— es esencial para una gestión de emergencias eficaz. El artículo concluye que la simulación predictiva combinada con la optimización es un avance vital para la planificación de la contención de incendios dinámicos bajo condiciones cambiantes.