Las regiones semi-mediterráneas (SM) y semiáridas (SA), ejemplificadas por los bosques kurdo-zagrosianos en el oeste de Irán y el norte de Irak, han experimentado incendios forestales frecuentes en los últimos años. Este estudio propone un método modificado de Factorización de Matrices No Negativas (NMF) para detectar áreas propensas a incendios utilizando datos derivados de satélites en bosques SM y SA. El rendimiento del método propuesto se comparó luego con tres otros métodos NMF ya propuestos: análisis de componentes principales (PCA), K-means e IsoData. NMF es un método de factorización conocido por realizar reducción de dimensionalidad y extracción de características. Impone restricciones de no negatividad en las matrices de factores, mejorando la interpretabilidad y la idoneidad para analizar conjuntos de datos del mundo real. Se emplearon imágenes de Sentinel-2, el Modelo Digital de Elevación (DEM) de la Misión de Radar de Apertura (SRTM) y el Índice de Pasto de Zagros (ZGI) de 2020 como entradas y se validaron contra un área quemada posterior a 2020 derivada del índice de Relación de Quema Normalizada (NBR). Los resultados demuestran la efectividad de NMF para identificar áreas propensas a incendios en grandes extensiones geográficas típicas de las regiones SM y SA. Los resultados también revelaron que cuando se incluyó la elevación, NMF_L1/2-Sparsity ofreció el mejor resultado entre los métodos NMF utilizados. En contraste, el método NMF propuesto proporcionó los mejores resultados cuando solo se utilizaron las bandas de Sentinel-2 y el ZGI.