El mapeo de susceptibilidad representa una herramienta moderna para apoyar los planes de protección forestal y abordar la gestión de combustibles. Con el presente trabajo, continuamos con un marco de investigación desarrollado en un estudio pionero a escala local para Liguria (Italia) y recientemente adaptado a la escala nacional. En estos trabajos anteriores, se desarrolló un flujo de trabajo de modelado basado en bosques aleatorios para evaluar la susceptibilidad a incendios forestales bajo la influencia de varios predictores ambientales. Las principales novedades y contribuciones del presente estudio son: (i) comparamos modelos basados en bosques aleatorios, perceptrones multicapa y máquinas de soporte vectorial, para estimar sus capacidades de predicción; (ii) utilizamos un mapa de vegetación más preciso como predictor, lo que nos permitió evaluar los impactos de diferentes tipos de vegetación local y vecina en la ocurrencia de incendios forestales; (iii) mejoramos la selección del conjunto de datos de prueba, para tener en cuenta la variabilidad temporal de las temporadas de quema. Finalmente, se crearon mapas de susceptibilidad a incendios forestales basados en los valores probabilísticos de salida predichos por los tres algoritmos de aprendizaje automático. Como se reveló con el bosque aleatorio, la vegetación es hasta ahora la variable predictora más importante; el efecto marginal de cada tipo de vegetación fue luego evaluado y discutido.