IA pode ajudar a detetar incêndios mais cedo
Um tipo de Inteligência Artificial que imita o funcionamento do cérebro humano poderá representar uma solução poderosa na deteção automática de incêndios florestais, reduzindo o tempo necessário para mitigar os seus efeitos devastadores, revela um novo estudo.
A nova tecnologia utiliza um modelo de “Redes Neuronais Artificiais” que combina a tecnologia de imagiologia por satélite com a aprendizagem profunda (um subconjunto da Inteligência Artificial (IA) e da aprendizagem automática).
Os resultados, publicados no International Journal of Remote Sensing, com revisão por pares, indicam uma taxa de sucesso de 93% ao treinar o modelo através de um conjunto de dados de imagens da floresta amazónica com e sem incêndios florestais.
A tecnologia, afirma-se, poderia ser utilizada de forma complementar com os sistemas de IA existentes para reforçar os sistemas de alerta precoce e melhorar as estratégias de resposta aos incêndios florestais.
“A capacidade de detetar e responder a incêndios florestais é crucial para preservar o delicado equilíbrio ecológico destes ecossistemas vitais, e o futuro desta região amazónica depende de uma ação rápida e decisiva”, explica a autora principal, a Professora Cíntia Eleutério, da Universidade Federal do Amazonas, em Manaus.
“As descobertas do nosso estudo podem melhorar a deteção de incêndios florestais no ecossistema amazônico e em outras partes do mundo, auxiliando significativamente as autoridades no combate e gerenciamento de tais incidentes”, acrescenta.
Em 2023, registaram-se 98 639 incêndios florestais só na Amazónia. A floresta amazônica, inclusive, é responsável por uma parcela significativa (51,94%) dos incêndios florestais nos biomas brasileiros. Nos últimos anos, essa área vem registrando um aumento notável dessas ocorrências.
Atualmente, a monitorização na Amazónia é feita com dados quase em tempo real – no entanto, têm resoluções moderadas e a capacidade de detetar detalhes em áreas remotas ou pequenos focos de incêndio é limitada.
Tipo de rede neural artificial
Esta nova tecnologia utiliza um tipo de rede neural artificial (um algoritmo de aprendizagem automática que utiliza uma rede de nós interligados para processar dados de uma forma que imita o cérebro humano) denominada Rede Neural Convolucional (CNN) para classificar as áreas da floresta tropical afetadas pelos incêndios florestais e melhorar a questão. Os algoritmos desenvolvidos melhoram o seu desempenho ao longo do tempo através da exposição a volumes crescentes de dados.
A equipa de investigadores, todos baseados na Universidade Federal do Amazonas, utilizou imagens provenientes dos satélites Landsat 8 e 9 para treinar a CNN. Esses satélites são equipados com infravermelho próximo e infravermelho de ondas curtas, que juntos são críticos para detetar mudanças na vegetação, bem como alterações na temperatura da superfície.
Primeiro, a CNN foi treinada num conjunto de dados de 200 imagens de incêndios florestais e um número igual de imagens sem incêndios florestais para garantir uma abordagem de aprendizagem equilibrada. Embora pequeno, este número de imagens revelou-se suficiente para que a CNN atingisse 93% de exatidão durante a fase de treino.
A capacidade da CNN para distinguir entre imagens com e sem fogos florestais foi depois testada utilizando 40 imagens não incluídas no conjunto de dados de treino. O modelo classificou corretamente 23 das 24 imagens com incêndios florestais e todas as 16 imagens sem incêndios florestais, sublinhando assim a sua robustez e capacidade de generalização e demonstrando o seu potencial como ferramenta para uma deteção eficaz de incêndios florestais.
“O modelo CNN poderia ser um complemento valioso, permitindo análises mais pormenorizadas em regiões específicas. Ao combinar a ampla cobertura temporal dos sensores atuais com a precisão espacial do nosso modelo, podemos melhorar significativamente a monitorização dos incêndios florestais em zonas críticas de preservação ambiental”, afirma o coautor, o Professor Carlos Mendes, doutorado em Física.
“O modelo tem o potencial de ajudar significativamente as autoridades competentes no combate e gestão de tais incidentes, fornecendo uma abordagem avançada e mais localizada para a deteção de incêndios florestais”, adianta.
“Serve de complemento a sistemas de monitorização em grande escala bem estabelecidos, como o Moderate Resolution Imaging Spectroradiometer (MODIS) e o Visible Infrared Imaging Radiometer Suite (VIIRS), que são amplamente utilizados para a deteção contínua de incêndios florestais”, conclui.