Los incendios forestales tienen el potencial de causar daños severos a la vegetación, la propiedad y, lo más importante, a la vida humana. Para minimizar estos impactos negativos, es crucial que los incendios forestales sean detectados en las etapas más tempranas posibles. Una solución potencial para la detección temprana de incendios forestales es utilizar vehículos aéreos no tripulados (VANT) que sean capaces de rastrear el gradiente de concentración química del humo emitido por los incendios. Un modelo espaciotemporal de la dinámica de las plumas de humo de incendios forestales puede permitir un seguimiento eficiente de los químicos utilizando tanto información en tiempo real de los sensores como información futura de las predicciones del modelo. Este estudio investiga un enfoque de modelado espaciotemporal basado en la identificación de subespacios (SID) para desarrollar un modelo de dinámica de plumas de humo impulsado por datos con el propósito de la detección temprana de incendios forestales. El modelo se aprendió utilizando datos de concentración de CO2 que fueron recolectados mediante un paquete de sensores de calidad del aire a bordo de un VANT durante dos experimentos de quema prescrita. Nuestro modelo fue evaluado comparando los valores predichos con los valores medidos en ubicaciones aleatorias y mostró errores medios de 6.782 ppm y 30.01 ppm de los dos experimentos. Además, se demostró que nuestro modelo supera al modelo de puff gaussiano (GPM) comúnmente utilizado, que mostró errores medios de 25.799 ppm y 104.492 ppm, respectivamente.