Sostenibilidad
El aprendizaje profundo aumenta la precisión de detección de incendios forestales en el Amazonas al 93%
Añade Securities.io a tus fuentes preferidas en Google
El equipo de investigación de la Universidade Federal do Amazonas ha desarrollado un modelo de Red Neuronal Artificial (ANN) que utiliza imágenes satelitales y técnicas de aprendizaje profundo para detectar incendios forestales en la selva amazónica con una alta tasa de éxito.
“La capacidad de detectar y responder a los incendios forestales es crucial para preservar el delicado equilibrio ecológico de estos ecosistemas vitales, y el futuro de esta región amazónica depende de una acción rápida y decisiva.”
– Autor principal, la profesora Cíntia Eleutério de la Universidade Federal do Amazonas
Aunque la monitorización en el Amazonas aún se proporciona con datos en tiempo real hoy en día, tiene resoluciones moderadas, y la capacidad de detectar detalles en incendios más pequeños o en áreas remotas es limitada.
Por lo tanto, el modelo representa una solución poderosa para detectar automáticamente incendios forestales, reduciendo significativamente el tiempo necesario para mitigar sus efectos devastadores.
Publicado en el International Journal of Remote Sensing, los hallazgos del estudio reportan una tasa de éxito de hasta el 93% al entrenar el modelo con imágenes de la selva amazónica con y sin incendios. Según el coautor, el profesor Carlos Mendes:
“El modelo CNN podría servir como una adición valiosa, permitiendo análisis más detallados en regiones específicas. Al combinar la amplia cobertura temporal de los sensores actuales con la precisión espacial de nuestro modelo, podemos mejorar significativamente la monitorización de incendios forestales en zonas críticas de preservación ambiental.”
El estudio señaló que la integración de imágenes satelitales e IA presenta un enfoque proactivo para abordar los desafíos crecientes que plantean los incendios forestales, al tiempo que contribuye al campo de la teledetección y el aprendizaje profundo.
La tecnología, en particular, ofrece el potencial de mejorar los sistemas de alerta temprana y mejorar las estrategias de respuesta a incendios forestales, ayudando a preservar ecosistemas críticos como el Amazonas. La integración en los sistemas de monitoreo existentes podría fácilmente tomar de 1 a 3 años, dependiendo de la validación y los esfuerzos de despliegue posteriores. Pero profundicemos en los avances que la nueva tecnología ofrece al mundo.
Los pulmones de la Tierra enfrentan una amenaza seria
La selva amazónica es un activo de importancia global, que contiene varios millones de especies de aves, insectos, plantas y otras formas de vida. Es el reservorio biológico más rico y variado del mundo.
Las personas de todo el mundo dependen de esta selva no solo para alimentos, agua, madera y medicinas, sino también para ayudar a estabilizar el clima con una enorme cantidad de 150-200 mil millones de toneladas de carbono almacenado en ella.
La selva amazónica ejerce una fuerte influencia socioambiental y económica en Brasil, comprendiendo alrededor del 40 % del área total del país sudamericano. Además de Brasil, la selva se extiende a ocho países sudamericanos más.
Dado su papel fundamental en la preservación de la biodiversidad y la regulación climática global, la selva amazónica tiene una gran importancia ecológica.
Sin embargo, está enfrentando una crisis creciente en forma de deforestación desenfrenada, prácticas de uso de la tierra insostenibles y la amenaza inminente de incendios forestales.
En la última mitad de siglo, el aumento de la temperatura ha llevado a la intensificación de sequías en la región. Las cosas solo van a escalar más, con la mayoría de los modelos prediciendo un aumento en la intensidad de la temporada seca en la selva amazónica en el siglo XXI.
Esta escalada se debe a fuerzas de radiación y a la disminución de la producción de aerosol, lo que causa variaciones anómalas en las temperaturas de la superficie del mar (SST), provocando fluctuaciones en la cantidad de precipitación sobre la región amazónica.
Si se confirma esta nueva configuración climática, el estudio señaló que la selva puede convertirse en un sistema amplificado propenso a incendios forestales. Esto expone los pulmones de la Tierra a una amenaza creciente debido al aumento del número de incendios forestales.
Las repercusiones ambientales de estos incendios no se limitan a las fronteras regionales; más bien, impactan los patrones climáticos globales y la biodiversidad. Esto hace crucial detectar y responder a los incendios forestales en el Amazonas.
Para monitorear y abordar esta crisis ambiental, la teledetección mediante imágenes satelitales ha surgido como una herramienta vital para preservar el delicado equilibrio ecológico de este ecosistema esencial.
Haga clic aquí para aprender por qué la seguridad contra incendios es más crucial que nunca.
El grave efecto de la intensificación de los incendios forestales
Según datos del Instituto Nacional de Investigación Espacial (INPE) en la plataforma web TerraBrasilis, los incendios forestales entre enero y junio se mantuvieron bajos de 1999 a 2023. Sin embargo, el número de incidentes aumentó considerablemente entre julio y noviembre antes de disminuir en diciembre.
El número de incidentes de incendios forestales fue bajo durante todo el año entre 1999 y 2001. La intensidad de los incendios aumentó significativamente a partir de 2002, alcanzando un máximo local en 2005.
La disminución duró hasta 2011, cuando los números comenzaron a experimentar un aumento constante, y esta tendencia ascendente continúa. Los últimos cinco años han tenido las mayores incidencias de incendios forestales. En 2023, hubo 98 639 incendios forestales en el Amazonas.
La selva amazónica también representa una porción significativa (más de la mitad) de los incendios forestales en los biomas brasileños.
Además del Amazonas, otros ecosistemas presentes en Brasil incluyen el Cerrado, que representó el 26,70 % de todos los incendios forestales, así como la Caatinga, la Mata Atlántica, el Pantanal y los Pampas, siendo los dos últimos los menos afectados por incendios forestales en 2023.
Cada uno de estos ecosistemas tiene su propia diversidad de especies y características. Estos biomas son esenciales para mitigar el cambio climático, actuando como sumideros de carbono y protegiendo especies en peligro. Sin embargo, los incendios forestales están causando daños significativos a todos estos ecosistemas.
En cuanto a la ubicación, la mayor concentración de incendios forestales en el estado de Amazonas se encuentra en los municipios de Lábrea, Apuí y Novo Aripuanã, que registraron el mayor número de incidencias.
Los incendios forestales son extremadamente perjudiciales y tienen consecuencias devastadoras en múltiples frentes.
En primer lugar, destruye la vegetación, lo que puede conducir a una extinción irreversible de especies nativas. Parte de esta vegetación posee propiedades medicinales únicas y se encuentra solo en la región amazónica.
Los incendios forestales también comprometen la fertilidad del suelo, dejándolo estéril y obstaculizando la recuperación natural de las áreas afectadas. Además, la deforestación del Amazonas causada por los incendios aumentó la escorrentía de agua, elevando los niveles de los ríos. Esto se debe a la reducción de la cubierta vegetal, lo que afecta negativamente la infiltración de agua en el suelo, reduciendo las tasas de evapotranspiración.
Luego está la pérdida de fauna y flora, que es igualmente alarmante. Los incendios forestales causan la destrucción de hábitats vitales, lo que lleva a desequilibrios considerables en la cadena alimentaria local.
Las intensas emisiones de CO₂ a la atmósfera también agravan el efecto invernadero y el calentamiento global. Esto intensifica los desafíos climáticos globales y hace que los incendios grandes sean aún más frecuentes en la selva amazónica.
Aprovechando el aprendizaje profundo para la detección automatizada de incendios forestales
Para abordar el problema, el estudio empleó una nueva tecnología, la Red Neuronal Convolucional (CNN), para clasificar los incendios forestales en la región.
CNN es un subconjunto especializado optimizado para el análisis de imágenes y el reconocimiento de patrones visuales, que se ha convertido en una herramienta poderosa en visión por computadora.
Por ejemplo, el modelo CNN se utilizó para clasificar y diagnosticar COVID-19. Además, se ha usado para detectar neumonía mediante imágenes de rayos X de tórax, identificación inteligente de residuos y reciclaje, analizar colisiones en Física de Alta Energía y la identificación de tipos celulares en imágenes de células madre.
También se está utilizando para la detección de cambios de deforestación en el Amazonas brasileño usando datos de Landsat, detección de incendios forestales y detección de humo de incendios forestales en imágenes de vehículos aéreos no tripulados (UAV).
CNN utiliza aprendizaje profundo, un subconjunto de Inteligencia Artificial (IA) y Aprendizaje Automático que emplea algoritmos que mejoran con el tiempo al exponerse a datos nuevos y crecientes.
Para este estudio, los investigadores aprovecharon el algoritmo de Redes Neuronales Artificiales (ANN), que imita el funcionamiento del cerebro humano y permite a los modelos computacionales discernir patrones intrincados y abordar desafíos que pueden estar más allá de la comprensión humana.
Apila múltiples capas de forma secuencial para facilitar la asimilación de conocimientos y trabajar con conjuntos de datos extensos durante el proceso de entrenamiento.
Esta sinergia tecnológica utiliza procedimientos estadísticos para ayudar a las máquinas a realizar tareas como la identificación de incendios forestales mediante aprendizaje experiencial.
(AMZN )Aprovechando el gran potencial de las técnicas de aprendizaje profundo, la red ofrece una solución poderosa para la detección automatizada de incendios forestales. La identificación automatizada permite una respuesta oportuna para mitigar los efectos devastadores de los incendios forestales.
En el estudio más reciente, los investigadores ampliaron el marco de la red neuronal para centrarse en CNN, específicamente utilizada a través de las bibliotecas de Python TensorFlow y Keras, un tipo de modelo ampliamente usado en aplicaciones de visión por computadora para extraer características de imágenes.
El objetivo ha sido emplear CNN para detectar incendios forestales en la región amazónica usando imágenes satelitales de Landsat 8 y Landsat 9.
Enfoque avanzado y localizado para la detección de incendios forestales
El equipo utilizó imágenes obtenidas de los satélites Landsat 8 y Landsat 9 para entrenar el modelo.
Estos satélites están equipados con instrumentos avanzados para capturar imágenes en diversas bandas espectrales, necesarias para la detección y clasificación de incendios forestales. Las capacidades multiespectrales y térmicas de estos satélites permiten la identificación de anomalías de temperatura y la diferenciación entre tipos de vegetación y áreas quemadas.
Ambos satélites cuentan con el Operational Land Imager (OLI), que captura imágenes en bandas visibles, de infrarrojo cercano (NIR) y de infrarrojo de onda corta (SWIR), lo cual es crítico para detectar cambios en la vegetación. crítico en la detección de cambios en la vegetación.
Las áreas quemadas muestran baja reflectancia en el NIR, mientras que la vegetación sana refleja fuertemente. Las bandas de infrarrojo de onda corta (SWIR) ayudan a detectar la humedad en el suelo y la vegetación para la identificación de regiones afectadas por el fuego.
Ambos satélites también poseen el Thermal Infrared Sensor (TIRS), que opera en dos bandas de infrarrojo térmico y proporciona datos valiosos sobre fuentes de calor y temperatura de la superficie. El TIRS ofrece una resolución espacial de 100 metros, mientras que las bandas OLI tienen una resolución espacial de 30 metros. Como tal, son los más relevantes para el monitoreo de incendios forestales y permiten una cartografía más detallada de la salud de la vegetación.
El equipo entrenó la CNN usando un conjunto de datos de 200 imágenes recientes obtenidas de EarthExplorer, que mostraban incendios forestales en la selva amazónica. También se utilizó un número igual de imágenes sin incendios forestales para garantizar un enfoque de aprendizaje equilibrado.
El conjunto de datos, aunque pequeño, fue lo suficientemente suficiente para que la CNN alcanzara un 93 % de precisión durante la fase de entrenamiento. Cuando se probó con 40 imágenes no incluidas en el entrenamiento, el modelo pudo clasificar con precisión 23 de las 24 imágenes con incendios forestales y todas las 16 imágenes sin incendios.
Este nivel de rendimiento altamente satisfactorio muestra la robustez y las capacidades de generalización del modelo.
Este enfoque, según el equipo, muestra un gran potencial para la detección de incendios forestales y puede usarse como complemento a sistemas de monitoreo a gran escala bien establecidos como el Moderate Resolution Imaging Spectroradiometer (MODIS) y el Visible Infrared Imaging Radiometer Suite (VIIRS), que se utilizan ampliamente en Brasil para la detección amplia y continua de incendios.
Como herramienta adicional, la CNN puede usarse junto con MODIS y VIIRS para mejorar los sistemas de alerta temprana y mejorar las estrategias de respuesta a incendios forestales.
La metodología, señalaron los investigadores, va más allá del ecosistema amazónico con el potencial de ser utilizada en otras áreas del mundo. Puede asistir realmente a las autoridades competentes en la lucha y gestión de dichos incidentes, “proporcionando un enfoque avanzado y más localizado para la detección de incendios forestales,” según el estudio.
Los investigadores sugirieron que la CNN también podría explorarse en la monitorización y control de la deforestación. Su próximo paso es aumentar el número de imágenes de entrenamiento para tener “un modelo más robusto”.
Empresa innovadora
Palantir Technologies Inc.
Con sus análisis geoespaciales impulsados por IA y soluciones de respuesta a desastres, Palantir representa un actor fuerte en la monitorización ambiental y la detección de incendios forestales.
Fundada en 2003 por Alex Karp, Peter Thiel, Stephen Cohen y Joe Lonsdale, Palantir es un proveedor de software a través de Gotham, Foundry, Apollo y AIP (Plataforma de Inteligencia Artificial). Con una capitalización de mercado de 186,6 mil millones de dólares, las acciones de Palantir cotizan actualmente a 81,25 $, con un aumento del 5,28 % en lo que va del año. Tiene un EPS (TTM) de 0,19 y un P/E (TTM) de 421,05.
PLTR Gráfico de precios
A principios de febrero, la compañía anunció sus resultados financieros del cuarto trimestre de 2024, reportando 828 millones de dólares en ingresos, lo que representó un crecimiento del 36 % interanual y del 14 % trimestral. Su número de clientes también aumentó un 43 % interanual y un 13 % trimestral.
Los ingresos de Palantir en EE. UU. fueron de 558 millones de dólares, aumentando un 52 % interanual y un 12 % trimestral, con los ingresos comerciales en EE. UU. en 214 millones de dólares, superando los ingresos del gobierno de EE. UU. de 343 millones de dólares.
Durante este período, la compañía cerró 32 acuerdos de al menos 10 millones de dólares, 58 acuerdos de al menos 5 millones de dólares y 129 acuerdos de al menos 1 millón de dólares. También cerró un récord de 803 millones de dólares en valor total de contratos comerciales en EE. UU. (“TCV”) mientras que el valor de los acuerdos comerciales restantes en EE. UU. (“RDV”) fue de 1,79 mil millones de dólares.
Palantir reportó 460 millones de dólares en efectivo proveniente de operaciones y 79 millones de dólares de ingreso neto GAAP, mientras que su ganancia por acción GAAP fue de 0,03 $ y el EPS ajustado fue de 0,14 $. La compañía terminó el año con 5,2 mil millones de dólares en efectivo, equivalentes de efectivo y valores del Tesoro de EE. UU. a corto plazo.
Durante todo 2024, Palantir tuvo 2,87 mil millones de dólares en ingresos, 1,90 mil millones de dólares en ingresos en EE. UU. y 1,15 mil millones de dólares en efectivo proveniente de operaciones. Ahora, para el primer trimestre de 2025, la compañía espera ingresos entre 858 y 862 millones de dólares y flujo de caja libre ajustado para todo el año 2025 entre 1,5 y 1,7 mil millones de dólares.
“Nuestros resultados empresariales continúan asombrando, demostrando nuestro creciente posicionamiento en el centro de la revolución de la IA. Nuestras primeras ideas sobre la comoditización de los grandes modelos de lenguaje han pasado de la teoría a la realidad.”
– CEO Karp
En cuanto a los desarrollos más recientes, a principios de este mes, Palantir anunció el despliegue de sus dos primeros sistemas habilitados con IA para el Ejército de EE. UU. El CTO de Palantir USG, Akash Jain, calificó esto como un “momento de salto” para el Ejército de EE. UU. La compañía ganó el contrato de 178 millones de dólares hace un año, superando al gigante de defensa RTX Corporation (RTX ) , para marcar un hito clave para Palantir, que es conocido por sus servicios de análisis de datos. (LHX ) (NOC )
El acuerdo es para 10 sistemas Targeting Access Node (TITAN) que utilizan IA para recopilar datos de sensores espaciales con el fin de ayudar a los soldados a lograr una mejor focalización y precisión en los ataques. Actuando como una estación terrestre móvil, estos sistemas ayudan a avanzar la estrategia de guerra de los soldados. Palantir colaboró con L3Harris, Northrop Grumman y Anduril Industries para desarrollar algunas de las capacidades.
(ACHR )Esta semana, Palantir compartió una lista de nuevos clientes que asistieron a su evento de IA, lo que reveló a Walgreens, Heineken, Ripcord y RaceTrac, entre otros, como sus últimos clientes.
También se asoció con Archer Aviation para construir la base de IA para el futuro de las tecnologías de aviación de próxima generación y ayudar a escalar sus capacidades de fabricación de aeronaves. El plan es aprovechar AIP y Foundry para desarrollar software usando IA que avance sistemas de aviación como el control de tráfico aéreo, la planificación de rutas y el control de movimiento.
“La asociación de Palantir con Archer está redefiniendo el futuro del vuelo, haciéndolo no solo más eficiente sino también más accesible,” dijo Karp, añadiendo que esta integración establece “el escenario para un salto transformador en eficiencia, seguridad y sostenibilidad”.
Últimas noticias sobre Palantir Technologies Inc.
Conclusión
El Amazonas, con su rica biodiversidad y extensos recursos, contribuye al panorama económico global. Por lo tanto, la conservación y gestión sostenible de estas áreas no solo benefician a Brasil, sino que también son críticas para la salud de todo nuestro planeta.
Sin embargo, la selva amazónica está enfrentando la amenaza de incendios forestales, lo que representa un desafío serio para su estabilidad. Esto significa que el futuro de la región depende de una acción decisiva y rápida.
Aquí, el modelo de detección de incendios forestales basado en aprendizaje profundo representa un gran avance en la solución de esta crisis. Al lograr una tasa de precisión del 93 %, el modelo brinda una herramienta poderosa para la detección temprana y la respuesta rápida a los incendios forestales, lo que podría ayudar a prevenir daños ambientales catastróficos y a mantener la salud y estabilidad a largo plazo de la selva amazónica.
