Un nuevo estudio ha encontrado que un tipo de inteligencia artificial que imita el funcionamiento del cerebro humano puede representar una solución poderosa para detectar automáticamente el fuego forestal y reducir el tiempo necesario para reducir sus efectos destructivos.
La nueva tecnología utiliza un modelo de ‘redes nerviosas artificiales’ que conecta la tecnología de imágenes satelitales con aprendizaje profundo (un conjunto de inteligencia artificial (IA) y aprendizaje automático).
Resultados publicados en Peer Review Revista internacional de teledetecciónCuando entrene al modelo a través de fotos de Amazon Renforist, informe la tasa de éxito del 93 % sin incendio forestal.
Esta tecnología, que se dice, puede usarse en una naturaleza complementaria con el sistema de IA existente para mejorar el sistema de advertencia inicial y mejorar las estrategias de respuesta al fuego forestal.
“La capacidad de detectar y responder al fuego forestal es muy importante para proteger el equilibrio ambiental crítico de estos importantes sistemas ambientales, y el futuro de esta región de Amazon depende de la acción rápida decisiva”, “en Manso, el autor principal de la Universidad de Federal Do Amazonas, la profesora Kentia Elotreo.
“Los resultados de nuestro estudio pueden mejorar la detección del ecosistema amazónico y el incendio forestal en cualquier parte del mundo, lo que puede ayudar significativamente a las autoridades a contrarrestar y administrar tales eventos”.
En 2023, había 98,639 incendios forestales solo en Amazon. El Amazon Renforist también representa una parte importante del incendio forestal (51.94 %) en los biomas de Brasil. En los últimos años, tales incidentes han aumentado significativamente.
Actualmente, cerca de la vigilancia en Amazon, se han proporcionado datos en tiempo real, sin embargo, tiene resoluciones moderadas y la capacidad de detectar detalles en áreas remotas o brotes pequeños es limitada.
Esta nueva tecnología se denomina tipo de red nerviosa sintética (un algoritmo de aprendizaje automático que utiliza una red de nodos integrados para procesar datos, que es imitado por el cerebro humano) para clasificar las áreas de lluvia afectadas por el bosque y mejorar el problema. El algoritmo ha aumentado su rendimiento con el tiempo al mostrar una cantidad creciente de datos.
El equipo de investigación, con sede en toda la Universidad de Du Amazonas federal, utilizó fotos obtenidas de Landsat 8 y 9 Satellite para capacitación de CNN. Estos satélites están equipados con infrarrojos casi infrarrojos y de onda corta, lo que también es importante para detectar cambios de plantas, así como cambiar las temperaturas de la superficie.
Primero, CNN fue entrenado en 200 imágenes de fuego de la jungla y números iguales sin incendios forestales para garantizar un enfoque de aprendizaje equilibrado. Aunque es pequeño, el número de imágenes demostró ser suficiente para obtener una precisión del 93 % durante la fase de entrenamiento para CNN.
Luego, la capacidad de la CNN para distinguir entre y sin el fuego forestal se usó utilizando 40 imágenes que no están incluidas en las datos de entrenamiento. El modelo clasificó correctamente las 16 imágenes sin incendios forestales y 23 imágenes e incendios forestales, aclarando así su capacidad de fortalecer y en general, y su capacidad se presentó como una herramienta para incendios forestales efectivos.
“El modelo CNN puede actuar como una adición valiosa, lo que permite un análisis más detallado en áreas específicas. Al combinar una cobertura de tiempo extensa de los sensores existentes con la salud local de nuestro modelo, podemos aumentar significativamente el monitoreo de incendios forestales en áreas clave de protección ambiental”, que es un doctorado en doctorado.
“Este modelo tiene la capacidad de combatir tales eventos y ayudar de manera promocionada a las autoridades en su administración, lo que proporciona un enfoque innovador y más local para la detección de incendios forestales.
“Funciona para la finalización de sistemas de monitoreo a gran escala, como el espectrumrómetro de imágenes de resolución moderada basada en satélite (modos) y dulces del radiador de imágenes infrinituidas (viirs) que se usan ampliamente para detectar fuego forestal”.
En el futuro, los autores recomiendan aumentar la cantidad de imágenes de capacitación para trabajar para CNN, que “indudablemente conducirá a un modelo más fuerte”.
Otras solicitudes, sugieren que también se puede detectar para CNN, como monitorear y controlar la recolección de bosques.
