Los modelos de simulación de incendios forestales basados en autómatas celulares se utilizan ampliamente para apoyar la gestión de incendios, la evaluación de riesgos y la toma de decisiones operativas, debido a su eficiencia y ventajas computacionales. Sin embargo, la precisión de estos modelos depende en gran medida de la calidad de los datos de entrada proporcionados por el usuario, incluyendo la composición y la extensión geoespacial de los combustibles forestales, las condiciones meteorológicas actuales y la información del terreno. Esta publicación examina cómo las incertidumbres en los datos de entrada cuantitativos y espaciales afectan las estimaciones de las áreas impactadas. Utilizando una serie de experimentos de simulación, se introducen datos inexactos en variables de entrada específicas (como el tipo de vegetación y el contenido de humedad del combustible) para reflejar niveles realistas de incertidumbre comúnmente observados en escenarios operativos, donde usuarios con diferentes antecedentes cognitivos no logran identificar adecuadamente las características clave de un incendio. Los resultados del modelo se comparan utilizando métricas de rendimiento espaciales y temporales, incluyendo la tasa de propagación y la extensión del área quemada. Los resultados demuestran que las incertidumbres en los modelos de combustible y las entradas meteorológicas ejercen una influencia dominante en el comportamiento del fuego simulado. Nuestros hallazgos destacan la sensibilidad de las simulaciones de incendios forestales a las incertidumbres de entrada compuestas y enfatizan la necesidad de mejorar las estrategias de adquisición de datos en el campo.