Los mapas de susceptibilidad a incendios forestales muestran la probabilidad espacial de que un área se queme en el futuro, basándose únicamente en las propiedades intrínsecas locales de un sitio. Los estudios actuales en este campo a menudo se basan en modelos estadísticos, a menudo mejorados por el conocimiento experto para la recuperación y procesamiento de datos. En los últimos años, los algoritmos de aprendizaje automático han demostrado ser exitosos en este dominio, gracias a su capacidad de aprender de los datos a través de la modelización de relaciones ocultas. En el presente estudio, los autores introducen un enfoque basado en bosques aleatorios, que permite elaborar un mapa de susceptibilidad a incendios forestales para la región de Liguria en Italia. Esta región se ve muy afectada por incendios forestales debido a la densa y heterogénea vegetación, con más del 70% de su superficie cubierta por bosques, y debido a las condiciones climáticas favorables. La susceptibilidad se evaluó considerando el conjunto de datos de los perímetros de incendios mapeados, que abarca un período de 21 años (1997-2017) y diferentes factores predisponentes geoambientales (es decir, uso del suelo, tipo de vegetación, red de carreteras, altitud y derivados). Un objetivo principal fue comparar diferentes modelos para evaluar el efecto de: (i) incluir o excluir el tipo de vegetación vecina como factores predisponentes adicionales y (ii) utilizar un número creciente de pliegues en el procedimiento de validación cruzada espacial. Finalmente, se elaboraron y validaron mapas de susceptibilidad para las dos temporadas de incendios. Los resultados destacaron la capacidad del enfoque propuesto para identificar áreas que podrían verse afectadas por incendios forestales en un futuro cercano, así como su eficacia en la evaluación de la eficiencia de las actividades de extinción de incendios.