Pesquisadores do Instituto de Ciência e Tecnologia de Gwangju projetam modelo baseado em IA que prevê perigo extremo de incêndios florestais

Incêndios florestais violentos que ocorrem em todo o mundo causaram enormes danos econômicos e perda de vidas. Saber com antecedência quando e onde um incêndio generalizado pode ocorrer pode melhorar a prevenção de incêndios e a alocação de recursos. No entanto, os sistemas de previsão disponíveis fornecem apenas informações limitadas. Além disso, eles não fornecem prazos de entrega longos o suficiente para obter detalhes regionais úteis.

Os cientistas agora aplicaram um algoritmo de aprendizado profundo para melhorar a previsão do perigo de incêndios florestais no oeste dos Estados Unidos. Pesquisadores da Coreia do Sul e dos Estados Unidos desenvolveram um método híbrido que combina técnicas de IA e previsões meteorológicas para produzir previsões aprimoradas de perigo extremo de incêndio em uma semana em escalas mais finas (resolução de 4 km x 4 km), aumentando sua utilidade para supressão e gerenciamento de incêndio.

“Tentamos várias abordagens para integrar o aprendizado de máquina com modelos tradicionais de previsão do tempo para melhorar as previsões de riscos de incêndios florestais. Este estudo é um grande passo à frente, pois demonstra o potencial de tal esforço para melhorar a previsão do perigo de incêndio sem a necessidade de poder computacional extra”, diz o principal autor Dr. Rackhun Son, um recente Ph.D. do Instituto de Ciência e Tecnologia de Gwangju (GIST) na Coréia do Sul, que atualmente trabalha no Instituto Max Planck de Biogeoquímica na Alemanha. “As previsões de perigo de incêndio podem ser melhoradas ainda mais usando o desenvolvimento constante nos Modelos do Sistema Terrestre e nos recentes desenvolvimentos de IA” , acrescenta.

Embora os métodos de IA baseados em dados tenham mostrado excelentes recursos para inferir coisas, explicar por que e como as inferências são feitas ainda continua sendo um desafio. Isso levou a IA a ser rotulada como uma caixa preta. “Mas quando a IA foi combinada com modelos de computador baseados em princípios físicos, pudemos diagnosticar o que estava acontecendo dentro dessa caixa preta”, diz o coautor Prof. Simon Wang, da Utah State University, EUA. “As previsões baseadas em IA associadas a níveis extremos de perigo de incêndio estão bem fundamentadas em ventos fortes e características geográficas específicas, incluindo altas montanhas e cânions no oeste dos Estados Unidos que tradicionalmente são difíceis de resolver com modelos mais grosseiros ”.

A eficiência computacional é outra grande vantagem deste método. Os métodos convencionais de previsão de riscos de incêndio em resoluções espaciais mais finas, um processo chamado “redução de escala regional”, geralmente são computacionalmente exigentes, caros e demorados. “Embora recursos computacionais comparáveis ​​fossem necessários na fase de desenvolvimento, uma vez que a tarefa de treinamento para a IA foi concluída, ou seja, realizada uma vez inicialmente, levou apenas alguns segundos para usar esse componente com o modelo de previsão do tempo para produzir previsões para o restante do período. temporada”, diz o co-autor Prof. Kyo-Sun Lim da Kyungpook National University, Coréia. Portanto, o método baseado em IA recém-desenvolvido com a capacidade de fazer previsões precisas de alta resolução em um tempo mais curto foi muito mais econômico em comparação com os sistemas de previsão convencionais.

“Neste estudo, a IA é testada apenas para previsão de perigo de incêndio no oeste dos Estados Unidos. No futuro, pode ser aplicado a outros tipos de extremos climáticos ou a outras partes do mundo”, disse o coautor Dr. Philip J. Rasch, do Pacific Northwest National Laboratory e da Universidade de Washington. “A flexibilidade do nosso método de IA pode ajudar a prever qualquer recurso relacionado ao clima.”