Guarda Nacional para aumentar a detecção de incêndios com drones e IA

À medida que os incêndios se tornam maiores e mais perigosos, várias agências governamentais e privadas têm recorrido à IA para detectar e potencialmente prever incêndios selvagens. A Guarda Nacional tem realizado voos de reconhecimento na Califórnia durante o final do verão e outono nos últimos anos, mas agora os drones usados para realizar esses voos receberam atualizações com algoritmos de IA destinados a gerar automaticamente mapas de incêndios dentro de uma região específica.

Criar mapas de incêndios é um processo extremamente difícil que requer análise de dados para mapear incêndios em constante mudança à medida que se movem sobre terrenos acidentados. Tanto observações aéreas quanto terrestres são usadas para criar mapas de incêndios, e os mapas de incêndios normalmente são atualizados apenas uma vez por dia ou mais. Incêndios grandes podem se mover até 15 milhas durante um único dia, como testemunhado por alguns dos incêndios desta temporada de incêndios. As agências de monitoramento de incêndios precisam de maneiras mais rápidas de coletar dados de incêndios e atualizar mapas de incêndios, e drones aéreos combinados com IA podem atender a essa necessidade.

Os sistemas de mapeamento de incêndios, muitos dos quais dependem de dados de satélite, normalmente utilizam um dos dois métodos diferentes de detecção de incêndios possíveis. Os incêndios são detectados ou por meio da detecção de calor emanando da superfície da Terra (detecção de áreas anormalmente quentes) ou analisando emissões de aerossóis (detecção de partículas de fumaça liberadas no ar à medida que a biomassa queima). Depois que incêndios potenciais são detectados, eles podem ser confirmados por meio do uso de sistemas de imagem de alta resolução, como drones. As câmeras com as quais os drones da Guarda Nacional estão equipados são capazes de mostrar incêndios com uma resolução de apenas 90 pés acima do solo.

A Guarda Nacional equipou seus drones MQ-9 “Reaper” com algoritmos de IA destinados a detectar incêndios e gerar mapas de incêndios. Os algoritmos de IA são usados para coletar dados sobre incêndios ativamente queimando e detectar “incêndios pontuais” que foram iniciados por incêndios maiores. O projeto foi impulsionado pelo Joint Artificial Intelligence Center (JAIC), uma divisão criada pelo Pentágono em 2018. O sistema de mapeamento de incêndios do JAIC utiliza algoritmos de aprendizado de máquina treinados em imagens aéreas de incêndios passados com limites anotados. O algoritmo pode então receber imagens não vistas com apenas dados de localização e detectar incêndios nelas, produzindo um mapa que mostra quais regiões estão queimando. A localização de incêndios pontuais também é marcada.

Em comparação com o processo de geração de mapas de incêndios que leva um dia, utilizado por outras agências, o sistema de mapeamento de incêndios do JAIC é muito mais rápido. O processo de mapeamento de incêndios com IA pode gerar um novo mapa de incêndios a cada meia hora. De acordo com a Guarda Nacional Aérea da Califórnia, os mapas produzidos pelo novo sistema são precisos e o feedback da CalFire foi positivo. Se os mapas continuarem a provar ser confiáveis e puderem ser integrados com sucesso às operações da CalFire, poderiam ser implantados para ajudar a detectar incêndios durante a próxima temporada de incêndios.

Além de mapear os limites de incêndios atuais, a IA pode ajudar as equipes de combate a incêndios a prever o movimento de incêndios. A própria CalFire recentemente começou a trabalhar com uma ferramenta chamada WildFire Analyst Enterprise. A ferramenta de análise de incêndios selvagens foi criada pela Technosylva e opera combinando vários modelos de propagação de incêndios. Esses modelos são aprimorados por meio do uso de algoritmos de aprendizado de máquina, treinados nas características de incêndios selvagens passados (como o teor de umidade da vegetação, condições climáticas e imagens de satélite). O modelo então compara dados sobre um incêndio atual com os dados de incêndios passados para fazer previsões sobre como esse incêndio pode se espalhar. O software também permite que o usuário crie simulações com base em como diferentes variáveis, como condições climáticas, mudam. A ferramenta previu corretamente que o incêndio Complexo de Relâmpago CZU se moveria em direção à cidade de Felton, permitindo que as equipes de combate a incêndios chegassem cedo e salvassem muitas estruturas que podem não ter sido salvas de outra forma.

Enquanto isso, os departamentos de combate a incêndios no sul da Califórnia estão usando um sistema de rastreamento e previsão de incêndios diferente chamado FireMap, desenvolvido pelo Wifire Lab. O FireMap usa dados aéreos e terrestres de câmeras, bem como condições climáticas, condições de vento, teor de umidade na vegetação e mais, para prever onde os incêndios se espalharão.

À medida que mais plataformas de detecção e previsão de incêndios impulsionadas por IA são criadas, os drones provavelmente se tornarão cada vez mais importantes. Os satélites são extremamente úteis, mas têm limitações quanto ao tipo e volume de dados que podem coletar. Dois tipos de satélites são usados para coletar dados: satélites orbitais polares e satélites geossíncronos. Os satélites orbitais polares são capazes de tirar imagens de alta resolução, mas as imagens são capturadas apenas duas vezes por dia. Em contraste, as imagens coletadas por satélites geossíncronos são coletadas com mais frequência, normalmente a cada 5 minutos ou mais. No entanto, os satélites geossíncronos têm que voar aproximadamente 22.000 milhas acima da superfície da Terra para permanecer em sincronia com a órbita da Terra. Como resultado, essas imagens contêm muito menos detalhes do que os satélites orbitais polares. Os drones podem ajudar a preencher as lacunas nos dados, obtendo imagens mais constantes e detalhadas de uma área de interesse.