Un tipo di intelligenza artificiale che imita il funzionamento del cervello umano potrebbe rappresentare una potente soluzione nel rilevare automaticamente gli incendi, precipitando il tempo necessario per mitigare i loro effetti devastanti, trova un nuovo studio.
La nuova tecnologia utilizza un modello di “reti neurali artificiali” che combina la tecnologia di imaging satellitare con l’apprendimento profondo (un sottoinsieme di intelligenza artificiale (AI) e apprendimento automatico).
Risultati, pubblicati nel peer-reviewed International Journal of Remote SensingSegnala un tasso di successo del 93% quando si allena il modello tramite un set di dati di immagini della foresta pluviale Amazon con e senza incendi.
La tecnologia, si afferma, potrebbe essere utilizzata in natura complementare con i sistemi AI esistenti per migliorare i sistemi di allarme precoce e migliorare le strategie di risposta agli incendi.
“La capacità di rilevare e rispondere agli incendi è cruciale per preservare il delicato equilibrio ecologico di questi ecosistemi vitali, e il futuro di questa regione amazzonica dipende da un’azione rapida decisiva”, spiega la professoressa della professoressa Cíntia, l’autore principale Cíntia Eleutério dell’Universidade Federal Do Amazonas, in Manaus.
“I risultati del nostro studio potrebbero migliorare il rilevamento degli incendi nell’ecosistema amazzonico e altrove nel mondo, aiutando significativamente le autorità a combattere e gestire tali incidenti”.
Nel 2023 c’erano 98.639 incendi nella sola Amazzonia. Anche la foresta pluviale amazzonica rappresenta una parte significativa (51,94%) di incendi nei biomi brasiliani. Negli ultimi anni quest’area ha subito un notevole aumento di tali incidenti.
Attualmente, il monitoraggio in Amazon è fornito con dati vicini a tempo reale, tuttavia, ha una risoluzione moderata e la capacità di rilevare i dettagli in aree remote o focolai di incendio più piccoli è limitata.
Questa nuova tecnologia utilizza un tipo di rete neurale artificiale (un algoritmo di apprendimento automatico che utilizza una rete di nodi interconnessi per elaborare i dati in un modo che imita il cervello umano) chiamato una rete neurale convoluzionale (CNN) per classificare le aree della foresta pluviale colpita e migliorare il problema. Gli algoritmi sviluppati migliorano le loro prestazioni nel tempo attraverso l’esposizione all’aumento dei volumi di dati.
Il team di ricerca, che si basa sull’Universidade Federal Do Amazonas, ha usato immagini provenienti dai satelliti di Landsat 8 e 9 per addestrare la CNN. Questi satelliti sono dotati di infrarossi a onde corta ea corto, che insieme sono fondamentali per rilevare i cambiamenti della vegetazione, nonché le alterazioni della temperatura superficiale.
In primo luogo, la CNN è stata addestrata su un set di dati di 200 immagini di incendi e un numero uguale di immagini senza incendi per garantire un approccio di apprendimento equilibrato. Sebbene piccolo, questo numero di immagini si è rivelato sufficiente per la CNN per ottenere una precisione del 93% durante la fase di allenamento.
La capacità della CNN di distinguere tra immagini con e senza incendi è stata quindi testata utilizzando 40 immagini non incluse nel set di dati di addestramento. Il modello ha classificato correttamente 23 delle 24 immagini con incendi e tutte e 16 le immagini senza incendi, sottolineando così la sua robustezza e capacità di generalizzazione e mettendo in mostra il suo potenziale come strumento per un efficace rilevamento degli incendi.
“Il modello della CNN potrebbe servire da preziosa aggiunta, consentendo analisi più dettagliate in regioni specifiche. Combinando l’ampia copertura temporale degli attuali sensori con la precisione spaziale del nostro modello, possiamo migliorare significativamente il monitoraggio degli incendi nelle zone critiche di conservazione ambientale”, afferma il coautrice del professore Carlos Mendes, che ha un PHD in fisica.
“Il modello ha il potenziale per assistere significativamente le autorità competenti nella lotta e la gestione di tali incidenti, fornendo un approccio avanzato e più localizzato al rilevamento degli incendi.
“Serve da complemento a sistemi di monitoraggio su larga scala ben consolidati, come lo spettroradiometro di imaging a risoluzione moderata a base satellitare (MODIS) e la suite di radiometri a infrarossi visibili (VIIR) che sono ampiamente utilizzati per il rilevamento continuo degli afiti.”
Andando avanti, gli autori raccomandano di aumentare il numero di immagini di addestramento per la CNN su cui lavorare, il che “porterà senza dubbio a un modello più robusto”.
Altre applicazioni, suggeriscono, per la CNN potrebbe anche essere esplorata, come il monitoraggio e il controllo della deforestazione.
Da un’altra testata giornalistica. news de www.sciencedaily.com
