Un nuevo modelo de IA logra un 93% de precisión en la detección de incendios forestales, según un estudio

Un tipo de inteligencia artificial que imita el funcionamiento del cerebro humano podría convertirse en una herramienta decisiva para detectar incendios forestales de forma automática y con gran precisión.

Así lo concluye un estudio desarrollado en la Universidad Federal del Amazonas (Brasil), cuyos resultados se han publicado en la revista International Journal of Remote Sensing.

La investigación se centra en el uso de lo que se denomina Red Neuronal Convolucional (CNN, por sus siglas en inglés), un modelo de aprendizaje profundo que procesa datos de forma similar al cerebro humano y que ha sido entrenado con imágenes satelitales para clasificar zonas de selva tropical afectadas por incendios forestales.

Así es Piry, el invento que puede ayudar a los bomberos a actuar más rápido frente a incendios como los que afectan a España

Según los expertos, esta tecnología no sustituiría a los sistemas actuales, sino que funcionaría como complemento para mejorar las estrategias de alerta temprana y optimizar la respuesta ante este tipo de emergencias.

Y es que, como explica la profesora y autora principal del estudio, Cíntia Eleutério, "la capacidad de detectar y responder a incendios forestales es crucial para preservar el delicado equilibrio ecológico de los ecosistemas vitales". Lo que, dice, es especialmente necesario en la región amazónica, ya que "depende de una acción rápida y decisiva". 

Un problema en aumento

En concreto, la Amazonia registró 98.639 incendios forestales en 2023, lo que supone más de la mitad (51,94%) del total de fuegos en biomas brasileños. Y lo que se traduce en que el número de incidentes ha crecido de forma notable en los últimos años, con consecuencias graves para la biodiversidad, el clima y las comunidades locales.

Actualmente, el monitoreo de la región se realiza casi en tiempo real gracias a sistemas satelitales como el espectrorradiómetro de imágenes de resolución moderada (MODIS) o el conjunto de radiómetros de imágenes infrarrojas visibles (VIIRS).

El ingenioso sistema que evita incendios como el de Canarias: detecta y analiza el fuego en tiempo real

Sin embargo, estos dispositivos ofrecen una resolución moderada, lo que limita la detección de incendios pequeños o en zonas remotas.

Ahora, la propuesta de la Universidad Federal del Amazonas busca cubrir ese vacío, aportando una herramienta más precisa que se integre con la cobertura global y continua de los sistemas ya existentes.

Cómo funciona

Para su puesta en marcha, el equipo de investigación utilizó imágenes de los satélites Landsat 8 y 9, que registran información en infrarrojo cercano y de onda corta, claves para detectar cambios en la vegetación y en la temperatura superficial.

Para entrenar la CNN emplearon 200 imágenes con incendios forestales y otras 200 sin ellos, garantizando un equilibrio en el aprendizaje del modelo. A pesar de tratarse de un conjunto de datos relativamente pequeño, el sistema alcanzó un 93% de precisión durante la fase de entrenamiento.

Un bosque durante un incendio forestal. PetePattavina Istock

La robustez del modelo se comprobó con 40 fotografías adicionales no incluidas en el entrenamiento. De ellas, clasificó correctamente 23 de las 24 con incendios y la totalidad de las 16 que no tenían incendios.

Este resultado, según los autores, demuestra su capacidad de generalización y su potencial como herramienta para la detección temprana.

Tanto es así que el profesor doctor en física y coautor del estudio, Carlos Mendes, asegura que esta tecnología podría aportar un análisis más detallado en áreas críticas.

Pues, explica, "al combinar la amplia cobertura temporal de los sensores actuales con la precisión espacial de nuestro modelo, podemos mejorar significativamente el monitoreo de incendios forestales en zonas críticas de preservación ambiental". 

Y es que la clave está en que este sistema no pretende sustituir a herramientas consolidadas como MODIS o VIIRS, sino reforzarlas. Así, la CNN permitiría una detección más localizada y precisa, lo que resultaría especialmente útil para actuar en etapas tempranas de un incendio, cuando su control es más viable.

A futuro

Los investigadores recomiendan ampliar el número de imágenes de entrenamiento para mejorar la solidez del modelo. Porque, una base de datos más extensa, permitiría al sistema reconocer patrones con mayor fiabilidad y adaptarse a diferentes condiciones ambientales.

Además, plantean explorar otras aplicaciones de la tecnología, como el monitoreo y control de la deforestación. El uso de CNN, combinadas con datos satelitales, podría servir para detectar cambios en la cobertura vegetal y en la salud de los ecosistemas, abriendo nuevas posibilidades para la conservación ambiental.

Google lanza el primer satélite de FireSat, su constelación para detectar incendios forestales más pequeños al instante

La relevancia de este avance no se limita a la Amazonia. Según Eleutério, la metodología podría aplicarse en otros ecosistemas del mundo, incluidos aquellos que enfrentan incendios recurrentes como los registrados en California, Australia o el Mediterráneo (incluido España).

Y es que, con un entrenamiento adaptado a cada región, el modelo podría integrarse en sistemas globales de alerta y contribuir a reducir el impacto de uno de los desastres ambientales más frecuentes y dañinos del planeta.