Simulated fire observables as indicators for optimizing wireless sensor networks in wildfire risk monitoring

Abstract

Este artículo presenta un marco de optimización basado en simulaciones para la localización de redes de sensores inalámbricos (WSN) destinadas a la detección temprana de incendios forestales. El problema se formula como una optimización multiobjetivo resuelta mediante el algoritmo genético NSGA-II, integrando simulaciones dinámicas de propagación del fuego y variables estocásticas como la probabilidad de ignición y las condiciones meteorológicas. La metodología es general, independiente del modelo de simulación o región de estudio, y proporciona apoyo a la toma de decisiones bajo incertidumbre. Un estudio de caso en España demuestra que las redes optimizadas ofrecen un rendimiento significativamente superior en comparación con configuraciones uniformes o diseñadas para escenarios meteorológicos fijos, lo que resalta su utilidad para mejorar la gestión y prevención de incendios forestales

Uncontrolled wildfires cause significant damage and economic costs. Wireless Sensor Networks (WSNs) can mitigate these impacts by detecting fires early across extensive wildland areas. This work presents a simulation-driven optimization framework for localizing WSNs to enhance early wildfire detection and minimize potential damage. Formulated as a Multi-Objective Optimization Problem (MOOP) and solved using the Non-dominated Sorting Genetic Algorithm II (NSGA-II), the method utilizes dynamic wildfire simulations and considers stochastic variables such as ignition likelihood and weather conditions. The methodology is general and independent of the simulation model or the studied region. The framework supports decision-making under uncertainty, ensuring the designed networks remain effective across varying conditions. A practical case study with validated fire behaviour demonstrates the robustness of the approach to identify the most efficient and cost-effective sensor locations. Results show significantly better performance compared to uniform sensor grids and WSNs designed for fixed-weather scenarios, highlighting the benefits of this approach for wildfire management.