其他摘要：Año a año, los incendios forestales consumen aproximadamente dos millones de hectáreas de forestación alrededor del mundo, causando enormes pérdidas y daños. Con el objetivo de reducir los efectos provocados por éstos, continuamente se desarrollan estrategias y herramientas para la prevención, monitoreo y/o predicción de incendios. Los sistemas de predicción suelen verse afectados por la incertidumbre presente en los parámetros de entrada del modelo de comportamiento de fuego. Ante esta problemática, los métodos de reducción de incertidumbre permiten contrarrestar dichos efectos mejorando la calidad de predicción por medio de diferentes técnicas y estrategias. El Sistema Estadístico Evolutivo con Modelo de Islas (ESS-IM) es un método general de reducción de incertidumbre que ha sido aplicado satisfactoriamente en la predicción del comportamiento de incendios forestales. ESS-IM utiliza Computación de Alto Rendimiento, Análisis Estadístico y Algoritmos Evolutivos Paralelos como metaheurística interna. En este trabajo se presenta una nueva arquitectura de ESS-IM donde se utilizan múltiples metaheurísticas operando en paralelo, bajo un esquema híbrido de paralelismo basado en los paradigmas "master-worker" y "modelo de islas". La nueva arquitectura es validada mediante la aplicación del método a un conjunto de quemas reales controladas, evaluando tanto calidad de predicción como rendimiento.
