Un equipo de investigadores de la Universidad Aalto, en Finlandia, ha desarrollado un modelo de IA que puede predecir la propagación de los incendios forestales.
El modelo, denominado FireCNN, se entrena con imágenes satelitales y datos meteorológicos para identificar zonas de alto riesgo de incendio.
El modelo aún se encuentra en desarrollo, pero tiene el potencial de mejorar significativamente nuestra capacidad para prevenir los incendios forestales.
Investigadores de la Universidad Aalto han desarrollado un modelo de IA que puede predecir la mejor manera de prevenir los incendios forestales.
Denominado FireCNN por su uso de una red neuronal convolucional (CNN), el modelo se basa en datos sobre el clima y los incendios históricos en las turberas de la provincia de Kalimantan Central, en Borneo, Indonesia.
El equipo detrás del proyecto, de cuatro años de duración, afirma que podría utilizarse para ayudar a prevenir hasta el 76 % de los incendios forestales. El aprendizaje automático permite a FireCNN realizar predicciones complejas sobre la eficacia de las distintas intervenciones para prevenir o mitigar los futuros incendios forestales.
Por ello, los responsables políticos locales pueden utilizar el modelo para diseñar mejores estrategias que reduzcan el impacto de los incendios, que aumentan en frecuencia e intensidad en todo el mundo como consecuencia del cambio climático.
"Podemos modificar algunos de los parámetros de las prácticas de gestión forestal en los datos de entrada y luego ejecutar el escenario, y obtuvimos una coincidencia realmente buena entre la aparición observada y la simulada de incendios forestales", afirmó el profesor asociado de la Universidad Aalto Matti Kummu a Dezeen.
"Así que pudimos demostrar que, bien, estas y estas estrategias tendrían un impacto considerable para reducir los incendios forestales", añadió.
"En los últimos dos o tres años ha habido incendios realmente masivos, por lo que existe un gran interés en comprender realmente cómo podríamos adaptarnos y mitigar estos desastres en el futuro."
Utilizando FireCNN para evaluar el efecto de distintas estrategias para reducir el riesgo de incendio en Kalimantan Central, el equipo de investigación identificó intervenciones que reducirían el número de incendios entre un 50 y un 76 %.
Kalimantan Central tiene la mayor densidad de incendios en turberas del sudeste asiático, agravada por el drenaje de los terrenos para favorecer la agricultura y la construcción de viviendas.
El modelo podría aplicarse a diferentes regiones
Hasta ahora no había sido posible identificar las intervenciones más eficaces para reducir los riesgos. Las pruebas realizadas por FireCNN sobre el efecto de distintas estrategias de gestión del suelo revelaron que convertir las zonas de matorral y monte bajo en bosques pantanosos tendría el mayor efecto.
Las simulaciones también revelaron que bloquear los canales de drenaje sería eficaz, pero supondría un coste para la economía local. Aumentar el número de plantaciones también reduciría el número de incendios, pero tendría un impacto ambiental significativo.
El modelo ayuda a identificar los factores que mejor explican dónde se producen los incendios forestales, aunque Kummu afirmó que todavía no es lo suficientemente preciso para predecir cuándo y dónde volverán a producirse como para utilizarse como sistema de alerta temprana.
El noventa y cinco por ciento de los incendios que predijo en una temporada se produjeron efectivamente, pero también pasó por alto muchos otros. En cambio, los investigadores afirman que puede ayudar a reducir el número y el tamaño de los incendios forestales en zonas muy susceptibles.
Kummu espera que FireCNN pueda probarse a continuación en un tipo diferente de región incendiaria, como el Mediterráneo, que este verano ha sufrido incendios graves.
"Sería interesante comprobar lo bien que podemos entrenar el modelo en diferentes zonas", afirmó.
"Hemos identificado los parámetros clave que explican la mayor frecuencia de incendios en Borneo, pero que pueden ser totalmente diferentes en el Mediterráneo."
Según Kummu, solo la inteligencia artificial (IA) es lo suficientemente precisa para hacer predicciones que se utilicen en algo tan complejo como la predicción de incendios forestales.
A partir del aprendizaje de datos registrados entre 2002 y 2019, FireCNN analiza 31 variables relacionadas con factores como la cubierta del suelo, la vegetación y la sequía.
"Algunas de las cosas que modelizamos son tan complejas que no podríamos construir un modelo matemático normal para tratar de comprender todas las interconexiones y cómo esto afecta a la ecuación", explicó Kummu.
"En ese sentido, la IA y los algoritmos de aprendizaje automático son perfectos para lo que hacemos, porque son muchos los factores que influyen en las cosas y nadie conoce realmente todos los mecanismos."
La serie AItopia de Dezeen también ha publicado artículos sobre proyectos para desarrollar nuevos materiales sostenibles y diseños de mobiliario mediante IA.
