Un tipo de inteligencia artificial que imita el funcionamiento del cerebro humano podría representar una poderosa solución para detectar automáticamente los incendios forestales, reduciendo el tiempo necesario para mitigar sus efectos devastadores, según un nuevo estudio.
Por Taylor & Francis
La nueva tecnología utiliza un modelo de “Redes Neuronales Artificiales” que combina la tecnología de imágenes satelitales con el aprendizaje profundo (un subconjunto de la inteligencia artificial (IA) y el aprendizaje automático).
Los resultados, publicados en la revista revisada por pares International Journal of Remote Sensing , informan una tasa de éxito del 93% al entrenar el modelo a través de un conjunto de datos de imágenes de la selva amazónica con y sin incendios forestales .
Se afirma que la tecnología podría utilizarse de forma complementaria a los sistemas de IA existentes para mejorar los sistemas de alerta temprana y optimizar las estrategias de respuesta a los incendios forestales.
«La capacidad de detectar y responder a los incendios forestales es crucial para preservar el delicado equilibrio ecológico de estos ecosistemas vitales, y el futuro de esta región amazónica depende de una acción rápida y decisiva», explica la autora principal, la profesora Cíntia Eleutério, de la Universidade Federal do Amazonas, en Manaus.
«Los hallazgos de nuestro estudio podrían mejorar la detección de incendios forestales en el ecosistema amazónico y en otras partes del mundo, ayudando significativamente a las autoridades a combatir y gestionar este tipo de incidentes».
En 2023, se registraron 98.639 incendios forestales solo en la Amazonia. La selva amazónica también es responsable de una parte importante (51,94%) de los incendios forestales en los biomas brasileños. En los últimos años, esta zona ha experimentado un aumento notable de este tipo de incidentes.
Actualmente, el monitoreo en la Amazonía se realiza con datos casi en tiempo real ; sin embargo, tiene resoluciones moderadas y la capacidad para detectar detalles en áreas remotas o focos de incendios más pequeños es limitada.
Esta nueva tecnología utiliza un tipo de red neuronal artificial (un algoritmo de aprendizaje automático que utiliza una red de nodos interconectados para procesar datos de una manera que imita al cerebro humano ) llamada «red neuronal convolucional» (CNN, por sus siglas en inglés) para clasificar las áreas de la selva tropical afectadas por incendios forestales y mejorar la clasificación. Los algoritmos desarrollados mejoran su rendimiento con el tiempo mediante la exposición a volúmenes crecientes de datos.
El equipo de investigación, que trabaja en la Universidad Federal del Amazonas, utilizó imágenes de los satélites Landsat 8 y 9 para entrenar la CNN. Estos satélites están equipados con infrarrojo cercano e infrarrojo de onda corta, que en conjunto son fundamentales para detectar cambios en la vegetación, así como alteraciones de la temperatura de la superficie.
En primer lugar, la CNN se entrenó con un conjunto de datos de 200 imágenes de incendios forestales y una cantidad igual de imágenes sin incendios forestales para garantizar un enfoque de aprendizaje equilibrado. Aunque pequeña, esta cantidad de imágenes resultó suficiente para que la CNN alcanzara una precisión del 93 % durante la fase de entrenamiento.
Luego se probó la capacidad de la CNN para distinguir entre imágenes con y sin incendios forestales utilizando 40 imágenes no incluidas en el conjunto de datos de entrenamiento. El modelo clasificó correctamente 23 de las 24 imágenes con incendios forestales y las 16 imágenes sin incendios forestales, lo que subraya su solidez y capacidad de generalización y muestra su potencial como herramienta para la detección eficaz de incendios forestales.
«El modelo CNN podría ser un complemento valioso que permita realizar análisis más detallados en regiones específicas. Al combinar la amplia cobertura temporal de los sensores actuales con la precisión espacial de nuestro modelo, podemos mejorar significativamente el monitoreo de incendios forestales en zonas críticas para la preservación ambiental», afirma el profesor Carlos Mendes, coautor y doctor en física.
«El modelo tiene el potencial de ayudar significativamente a las autoridades competentes a combatir y gestionar tales incidentes, proporcionando un enfoque avanzado y más localizado para la detección de incendios forestales.
«Sirve como complemento a sistemas de monitoreo a gran escala bien establecidos, como el espectrorradiómetro de imágenes de resolución moderada (MODIS) basado en satélite y el conjunto de radiómetros de imágenes infrarrojas visibles (VIIRS), que se utilizan ampliamente para la detección continua de incendios forestales».
De cara al futuro, los autores recomiendan aumentar el número de imágenes de entrenamiento en las que trabajará CNN, lo que «sin duda conducirá a un modelo más robusto».
También se podrían explorar otras aplicaciones para la CNN, sugieren, como el monitoreo y control de la deforestación.
Más información: Cíntia L. Eleutério et al, Identificación de incendios forestales con redes neuronales convolucionales y teledetección: aplicación a la selva amazónica, International Journal of Remote Sensing (2024). DOI: 10.1080/01431161.2024.2425119
