El fabricante chino de drones QilingUAV diseñó el helicóptero no tripulado no tripulado JC260 para combatir incendios forestales utilizando las «bombas extintoras» llenas de retardante de la compañía.
Crédito: QilingUAV
Imágenes perturbadoras de comunidades y bosques en llamas llenan cada vez más nuestros canales de noticias y pantallas de televisión. Según un análisis de la Organización Mundial de la Salud (OMS), los incendios forestales han afectado a millones de personas en todo el mundo. Innumerables insectos, pájaros y animales también han sido desplazados o han perecido. Los incendios forestales están alcanzando niveles récord de tamaño y gravedad en todo el mundo.
El Servicio de Investigación del Congreso (CRS) informa que en 2020, solo en los EE. UU., 58,950 incendios forestales quemaron más de 10 millones de acres (aproximadamente 4 millones de hectáreas) de tierra. En Rusia, los incendios devastaron más de 18,16 millones de hectáreas (casi 45 millones de acres) de bosque en 2021, principalmente en Siberia. El Washington Post informó que estos incendios eran más grandes que el resto de los incendios del mundo combinados. Informes récord similares provienen de países como Italia, Turquía y Australia.
Factores como el calor extremo, la sequía y el cambio climático están alimentando las llamas. Según una revisión de 57 artículos científicos realizada por ScienceBrief, una plataforma en línea que alberga análisis de consenso y controversias dirigidos por expertos utilizando publicaciones revisadas por pares, «el cambio climático inducido por humanos promueve las condiciones de las que dependen los incendios forestales, mejorando su probabilidad y desafiantes esfuerzos de represión «.
Ante esto, los tecnólogos globales están colaborando con los profesionales de los incendios para crear inteligencia artificial (IA) y soluciones basadas en datos para la detección, respuesta y recuperación de incendios.
Datos de incendios para conocimiento y modelado
Quizás no sea sorprendente que California, afectada por incendios forestales, esté por delante de la curva. WIFIRE Lab, con sede en la Universidad de California en San Diego, es una colaboración entre investigadores de datos e inteligencia artificial, empresas privadas y agencias públicas como los departamentos de bomberos.
«Nuestra misión es convertir los datos, la inteligencia artificial y la informática, estas tres cosas, en una utilidad para cualquier persona en este dominio», dijo Ilkay Altintas, director de ciencia de datos del San Diego Supercomputer Center (SDSC) y fundador de WIFIRE. Laboratorio.
WIFIRE Lab crea plataformas y productos basados en datos e inteligencia artificial que tienen aplicaciones prácticas en la ciencia del fuego. Los proyectos incluyen WIFIRE Commons, un entorno de datos y modelado; FireMap, una herramienta que crea mapas predictivos para mostrar las trayectorias esperadas de los incendios forestales, y BURNPRO 3D, una herramienta de simulación de quema prescrita o controlada en desarrollo.
Gracias a sus redes de monitoreo existentes, San Diego es rico en datos de incendios. El objetivo de WIFIRE Common es almacenar y federar esos datos, que provienen de múltiples fuentes: cámaras, satélites, sensores de detección y rango de luz (LiDAR), drones y aviones, y a través de múltiples organizaciones, incluidas agencias nacionales, departamentos de bomberos, compañías de aviación, y utilidades.
Una vez que se han recopilado los datos, deben ser útiles para los investigadores y los profesionales de los incendios a través de interfaces de modelado y visualización. La IA se implementa inicialmente «para fusionar los datos que recibimos de diferentes fuentes y llevarlos a una forma que los modelos de fuego posteriores puedan aceptar», dijo Altintas, por ejemplo, mediante extrapolación o haciéndolo mayor o menor resolución.
También hay un componente semántico en el trabajo. El equipo de WIFIRE construyó una ontología de ciencia del fuego sobre la ontología ambiental existente. Dijo Altintas, «Especializamos eso en nuestro dominio para que los conjuntos de datos que federamos o almacenamos estén etiquetados con esos términos, así como con los modelos».
Las herramientas de modelado de WIFIRE Commons explotan las capacidades de supercomputación de SDSC. Los datos se integran con el aprendizaje automático basado en la física dentro de los modelos de la plataforma para predecir, mapear y visualizar el comportamiento del fuego. El modelo QUIC-Fire, por ejemplo, es una herramienta de simulación de ejecución rápida que captura las interacciones entre el fuego, la atmósfera dinámica, la estructura de la vegetación y la topografía.
Al igual que QUIC-Fire, FireMap se implementa en escenarios de la vida real por bomberos y primeros respondedores, como el Departamento de Bomberos de Los Ángeles. La herramienta operativa basada en inteligencia artificial utiliza técnicas de visualización para la predicción. «En cuestión de minutos, alguien con el conocimiento puede crear un modelo de fuego sobre dónde irá el fuego durante las próximas dos horas, por lo que se utiliza en el ataque inicial», dijo Altintas.
Si bien FireMap responde, el último producto del laboratorio, BURNPRO 3D, una herramienta de inteligencia artificial en desarrollo financiada por la National Science Foundation (NSF), es proactivo. Está diseñado para ayudar a los administradores de tierras a planificar y ejecutar las quemas prescritas, iniciadas para reducir el material inflamable de un área como parte del esfuerzo para combatir los mega incendios.
Altintas prevé un futuro en el que «cada conjunto de datos útiles para incendios» sea parte de WIFIRE Commons y pueda combinarse con técnicas de inteligencia artificial para hacerlo más accesible, científico y útil. El objetivo es «transformar los datos en formularios de los que otros puedan beneficiarse, y todo esto impulsado por la comunidad, porque se necesita más que una aldea para resolver este problema», dijo.
Las colaboraciones ambiciosas entre los investigadores de IA y las agencias sobre el terreno sustentan otras soluciones contra incendios forestales en los EE. UU. Por ejemplo, ALERTWildfire, una asociación entre la Universidad de Nevada, la Universidad de California en San Diego y la Universidad de Oregon, y organismos como Nevada El Laboratorio Sismológico y la empresa de servicios públicos Pacific Gas and Electric, utilizan cámaras contra incendios Pan-Tilt-Zoom (PTZ) y herramientas de inteligencia artificial para respaldar el descubrimiento, el monitoreo y la evacuación de incendios forestales.
A medida que los incendios forestales arden en todo el planeta, los esfuerzos para limitar su impacto devastador también se han vuelto globales.
Construyendo macrodatos para la recuperación del hemisferio sur
Eyes on Recovery es un proyecto de inteligencia artificial y datos a gran escala dirigido por el Fondo Mundial para la Naturaleza (WWF) Australia y respaldado por Google AI. Su misión es medir el impacto de los incendios forestales de verano de 2019-20 (como se conocen los incendios forestales en Australia) en la vida silvestre y apoyar las respuestas a futuros incendios.
Emma Spencer es la coordinadora del proyecto en el terreno de Eyes on Recovery. Tiene su sede en las Montañas Azules, al borde del incendio de Gospers Mountain en 2019-20, uno de los incendios más grandes en la historia de Australia (quemó alrededor de un millón de hectáreas / casi 2.5 millones de acres).
Durante la temporada de incendios forestales 2019-20, hubo más de 15,000 incendios en Australia, que mataron o desplazaron a alrededor de tres mil millones de criaturas según WWF Australia, dijo Spencer. «Estamos hablando de millones y millones de mamíferos y miles de millones de reptiles, millones de pájaros, millones de ranas».
WWF Australia buscó soluciones en su red nacional existente de más de 600 sensores de movimiento y térmicos y cámaras. La red les permitirá monitorear el impacto de los incendios en la vida silvestre y desarrollar estrategias para apoyar su recuperación. Sin embargo, sin medios para administrar los enormes volúmenes de datos, el equipo recurrió a la IA.
En 2020, WWF Australia estableció una colaboración con Conservation International y Google en los EE. UU., Y socios en el terreno como parques nacionales, grupos municipales, propietarios tradicionales, grupos aborígenes y universidades para asumir el desafío.
Los datos del sensor y la cámara son recopilados por socios locales en tarjetas SD, aunque Spencer señaló que las opciones futuras pueden incluir el uso de cámaras que puedan transferir información a través de banda ancha móvil. Los datos se cargan en Wildlife Insights, una plataforma en línea basada en el marco de trabajo de código abierto Google TensorFlow, donde se utilizan para identificar, compartir y analizar datos de vida silvestre.
Las imágenes en blanco y los disparadores falsos en los datos, como una brizna de hierba moviéndose con el viento, se filtran y se identifican las especies representadas. Esta información es la clave de Eyes on Recovery, ya que permitirá a los científicos analizar el número y la distribución de las especies y monitorear la recuperación después de los incendios forestales.
La clasificación de especies se lleva a cabo a través de redes neuronales convolucionales (CNN). «La idea es que utilicen estas redes para seleccionar patrones y darles sentido», dijo Spencer.
Cada capa convolucional filtra para un criterio o característica particular. Inicialmente son amplios, como por ejemplo, para distinguir bordes, formas o texturas, explicó. «Una vez que pasa por varias circunvoluciones, terminará mirando algo así como patrones más complejos. ¿Tiene plumas? ¿Dónde están los ojos? ¿Cuál es la forma alrededor de los ojos?»
La identificación de especies se ve reforzada por Integrated Gradients (IG), un método de atribución de IA que se puede utilizar en la clasificación de imágenes para respaldar las predicciones del modelo a través de técnicas como la toma de decisiones basada en la importancia de una característica específica.
A pesar de que Wildlife Insights ya contiene más de 12 millones de imágenes de más de 890 especies. Eyes on Recovery expuso una brecha de datos, dijo Spencer. «Originalmente, esta IA no ha sido entrenada a partir de especies australianas, por lo que es bastante divertido cuando comenzamos a alimentar imágenes y los wombats aparecían como cerdos».
El equipo de Eyes on Recovery está utilizando conjuntos de datos existentes de la fauna del hemisferio sur para entrenar los modelos de Wildlife Insights para que funcionen en el entorno australiano, donde más del 80% de los animales, reptiles y ranas son únicos. Es una tarea gigantesca. «En una imagen, un canguro podría ser simplemente una cola cuando el canguro salta por el encuadre, por eso es que necesitamos construir estos conjuntos de datos de entrenamiento de imágenes realmente complejos», dijo Spencer.
El equipo ahora se centra en tareas como limpiar y etiquetar datos y entrenar a los modelos. Sin embargo, ya están llegando algunos resultados de monitoreo. En la Isla Canguro, un marsupial parecido a un ratón, el dunnart, perdió el 95% de su hábitat conocido en los incendios forestales de 2019-20. «En casi todos los sitios, las cámaras que colocamos han detectado dunnarts. Proporciona un poco de esperanza, ya que sugiere que especies como estos dunnarts podrían estar recuperándose bien en ambientes posteriores al incendio», dijo Spencer.
Lo que está haciendo WWF Australia no se trata solo de Eyes on Recovery, agregó. «Está desarrollando marcos y tecnología que se pueden usar en múltiples ubicaciones, múltiples incendios, múltiples veces».
Los incendios forestales están devastando comunidades y vida silvestre desde San Diego y Siberia hasta las Montañas Azules de Australia. Si bien la naturaleza es una fuerza a tener en cuenta y la actividad humana está contribuyendo a su poder destructivo, la IA puede ayudar a controlarla.
Karen Emslie es un periodista y ensayista autónomo independiente de la ubicación.
entradas no encontradas
