Un nuevo estudio revela que un tipo de inteligencia artificial (IA) que emula el funcionamiento del cerebro humano podría ser clave en la detección automática de incendios forestales, reduciendo considerablemente el tiempo necesario para mitigar sus devastadoras consecuencias. Este avance, publicado en el International Journal of Remote Sensing, muestra un asombroso 93% de tasa de éxito en la identificación de incendios en la Amazonía brasileña.
La tecnología emplea un modelo de «Redes Neuronales Artificiales», que combina imágenes satelitales con aprendizaje profundo, un subconjunto de la inteligencia artificial y el aprendizaje automático. Esta innovación podría complementarse con los sistemas de IA existentes, mejorando así los sistemas de alerta temprana y las estrategias de respuesta ante incendios.
Avances en la detección de incendios
El profesor Cíntia Eleutério, líder del estudio en la Universidade Federal do Amazonas, subraya la importancia de detectar y responder a los incendios forestales para preservar el delicado equilibrio ecológico de la Amazonía. En 2023, se reportaron 98,639 incendios en esta región, que representa más del 51% de los incendios en los biomas brasileños. La creciente frecuencia de estos incidentes pone de relieve la urgencia de contar con tecnologías más eficientes para su monitoreo.
A pesar de que actualmente se dispone de datos en tiempo casi real para el monitoreo de la Amazonía, la resolución moderada de estas imágenes limita la detección de detalles en áreas remotas o de incendios más pequeños. La nueva tecnología utiliza una Red Neuronal Convolucional (CNN) que clasifica las áreas afectadas por incendios, mejorando su rendimiento a medida que se expone a un mayor volumen de datos.
Los investigadores entrenaron la CNN con imágenes obtenidas de los satélites Landsat 8 y 9, que cuentan con sensores de infrarrojos cercanos y de onda corta, esenciales para detectar cambios en la vegetación y alteraciones en la temperatura superficial. Aunque el conjunto de datos inicial constaba de solo 200 imágenes de incendios y 200 sin incendios, este fue suficiente para que el modelo lograra un 93% de precisión durante la fase de entrenamiento.
En las pruebas, la CNN identificó correctamente 23 de las 24 imágenes con incendios y todas las 16 imágenes sin incendios, lo que demuestra su capacidad para generalizar y su potencial como herramienta eficaz en la detección de incendios.
Los expertos sugieren que este modelo podría servir como un complemento valioso a los sistemas de monitoreo a gran escala, como el MODIS (Moderate Resolution Imaging Spectroradiometer) y el VIIRS (Visible Infrared Imaging Radiometer Suite), ampliamente utilizados en la detección continua de incendios. Además, recomiendan aumentar la cantidad de imágenes de entrenamiento para robustecer aún más el modelo, así como explorar otras aplicaciones en el control de la deforestación.
La implementación de esta tecnología podría significar un avance significativo en la lucha contra los incendios en la Amazonía y otras regiones del mundo, equipando a las autoridades competentes con herramientas más precisas y efectivas para gestionar estos incidentes cada vez más frecuentes.
