Pesquisadores estão desenvolvendo um método inovador de inteligência artificial capaz de prever incêndios florestais com uma precisão significativamente maior do que os modelos atuais.
Clique para receber notícias de Tecnologia e Ciências pelo WhatsApp
Este sistema não apenas analisa as condições meteorológicas, mas também ajusta seus índices preditivos a fatores hiperlocais, como tipo de vegetação, topografia e fontes específicas de ignição, prometendo uma nova era na prevenção de desastres ambientais.
Superando a Meteorologia e a História
Os modelos atuais de previsão de incêndios florestais geralmente se baseiam em variáveis amplas, como temperatura, umidade e dados históricos de incêndios. O novo modelo de IA vai muito além, integrando uma rede de dados muito mais rica e dinâmica.
O sistema utiliza algoritmos avançados para refinar seus índices de risco, levando em consideração:
- Fatores Locais: Densidade e tipo de vegetação, composição do solo e topografia (encostas, vales).
- Fontes de Ignição: Proximidade de estradas, linhas de energia, assentamentos humanos e outras fontes potenciais de ignição de incêndios.
- Dinâmica do Vento: O modelo aprimora sua capacidade de prever não apenas onde um incêndio começará, mas também como ele se espalhará nas primeiras horas críticas.
Da previsão à estratégia de combate a incêndios
A maior precisão deste modelo de IA não só serve para emitir alertas, como também tem um impacto direto na estratégia de resposta. Ao prever o risco com maior certeza e geolocalização, as autoridades podem posicionar previamente brigadas, aeronaves e equipamentos de combate a incêndios nas áreas mais perigosas antes mesmo do início de um incêndio.
Isso permite a emissão de alertas preventivos para a população em áreas específicas, evitando a evacuação em massa e desnecessária de regiões com menor risco.
Ao prever melhor a trajetória potencial de um incêndio (com base no tipo de vegetação e no vento), as equipes podem concentrar aceiros e materiais de proteção contra incêndio de forma mais eficiente.
LEIA TAMBÉM:
ChatGPT pode adaptar suas respostas à sua personalidade: veja como
CEO da Nvidia garante que não existe nenhuma bolha econômica relacionada à IA
Você joga no seu PC? Microsoft pode estar usando seus dados sem seu conhecimento
Este avanço ressalta o papel essencial da Inteligência Artificial como ferramenta de gestão ambiental e de desastres, oferecendo a possibilidade de salvar vidas, proteger ecossistemas e reduzir bilhões em perdas.
Ficha Técnica: Modelo de IA para Previsão de Incêndios Florestais (Universidade Bar Ilan / Tel Aviv)
| Elemento | Descrição e Pontos-Chave |
|---|---|
| Nome do Modelo / IA | Não tem um nome comercial conhecido. É descrito como um algoritmo genético e um Modelo de Deep Learning (Aprendizagem Profunda) calibrado e específico para cada região. |
| Desenvolvedores | Dr. Oren Glickman e Dr. Assaf Shmuel do Departamento de Ciências da Computação na Universidade Bar Ilan (Israel), em colaboração com especialistas das Universidades de Ariel e Tel Aviv. |
| Publicação Científica | A pesquisa foi publicada na revista Scientific Reports (e outro estudo relacionado em npj Natural Hazards de Nature). |
| Tipo de Abordagem | Hiperlocal e Adaptativa. Melhora nos índices meteorológicos tradicionais (como o Índice de Incêndios Canadense) ao calibrar os dados a fatores específicos de cada país ou região. |
| Precisão Reportada | O modelo que prevê incêndios causados por raios reportou uma precisão superior a 90% (um avanço chave nesse tipo de ignição). O modelo genético de adaptação regional aumentou a precisão geral de previsões de 70% a 86%. |
| Dados de Entrada | Sete anos de informação por satélite global de alta resolução, datos climáticos detalhados, vegetação, uso da terra e fontes de ignição (a chave de seu enfoque “hiperlocal”). |
| Aceso ao Público | Aceso limitado ou nulo para o usuário final. Estes modelos de IA são ferramentas de investigação e estão projetados para ser utilizados por serviços de emergência, corpos de bombeiros e agências governamentais de manejo de desastres para a tomada de decisões e a reserva de recursos. |