Inteligencia artificial capaz de evaluar la eficacia de las estrategias de gestión para la prevención de incendios forestales
Los incendios forestales son una amenaza creciente en un mundo moldeado por el cambio climático.
Ahora, investigadores de la Universidad Aalto han desarrollado un modelo de red neuronal que puede predecir con precisión la ocurrencia de incendios.
Utilizaron el nuevo modelo para evaluar el efecto de diferentes estrategias para gestionar el riesgo de incendio e identificaron un conjunto de intervenciones que reducirían la incidencia de incendios entre un 50 y un 76 %.
El estudio se centró en la provincia de Kalimantan Central de Borneo en Indonesia, que tiene la mayor densidad de incendios de turberas en el sudeste asiático.
El drenaje para apoyar la agricultura o la expansión residencial ha hecho que las turberas sean cada vez más vulnerables a los incendios recurrentes.
Además de amenazar vidas y medios de subsistencia, los incendios de turberas liberan cantidades significativas de dióxido de carbono.
Sin embargo, las estrategias de prevención han enfrentado dificultades debido a la falta de vínculos claros y cuantificados entre las intervenciones propuestas y el riesgo de incendio.
El nuevo modelo usa mediciones tomadas antes de cada temporada de incendios en 2002–2019 para predecir la distribución de los incendios en las turberas.
Si bien los hallazgos se pueden aplicar ampliamente a las turberas en otros lugares, sería necesario realizar un nuevo análisis para otros contextos.
“Nuestra metodología podría usarse para otros contextos, pero este modelo específico tendría que volver a entrenarse con nuevos datos“, dice Alexander Horton, el investigador postdoctoral que llevó a cabo el estudio.
Los investigadores utilizaron una red neuronal convolucional para analizar 31 variables, como el tipo de cobertura del suelo y los índices de vegetación y sequía antes del incendio.
Una vez entrenada, la red predijo la probabilidad de un incendio de turberas en cada punto del mapa, produciendo una distribución esperada de incendios para el año.
En general, las predicciones de la red neuronal fueron correctas entre el 80% y el 95% de las veces.
Sin embargo, aunque el modelo por lo general acertó al predecir un incendio, también pasó por alto muchos incendios que realmente ocurrieron.
Aproximadamente la mitad de los incendios observados no fueron predichos por el modelo, lo que significa que no es adecuado como sistema predictivo de alerta temprana.
Las agrupaciones más grandes de incendios tendían a predecirse bien, mientras que la red a menudo pasaba por alto los incendios aislados.
Con más trabajo, los investigadores esperan mejorar el rendimiento de la red para que también pueda servir como un sistema de alerta temprana.
El equipo aprovechó el hecho de que las predicciones de incendios solían ser correctas para probar el efecto de diferentes estrategias de gestión de la tierra.
Al simular diferentes intervenciones, encontraron que la estrategia plausible más eficaz sería convertir matorrales en bosques pantanosos, lo que reduciría la incidencia de incendios en un 50 %.
Si esto se combinara con el bloqueo de todos los canales de drenaje excepto los principales, los incendios disminuirían en un 70% en total.
Sin embargo, tal estrategia tendría claros inconvenientes económicos.
“La comunidad local necesita desesperadamente un cultivo estable a largo plazo para impulsar la economía local“, dice Horton.
Una estrategia alternativa sería establecer más plantaciones, ya que bien gestionadas reducen drásticamente la probabilidad de incendios.
Sin embargo, las plantaciones se encuentran entre los principales impulsores de la pérdida de bosques, y Horton señala que “las plantaciones pertenecen en su mayoría a corporaciones más grandes, a menudo con sede fuera de Borneo, lo que significa que las ganancias no se retroalimentan directamente a la economía local más allá de la provisión de mano de obra para la mano de obra local“.
En última instancia, las estrategias de prevención de incendios deben equilibrar los riesgos, los beneficios y los costos, y esta investigación proporciona la información para hacerlo, explica el profesor Matti Kummu, quien dirigió el equipo de estudio.
“Tratamos de cuantificar cómo funcionarían las diferentes estrategias.
Se trata más de informar a los formuladores de políticas que de brindar soluciones directas“.
Fuente: Phys.org
Samsung ha presentado Gauss, su propio modelo de inteligencia artificial generativa. Puede procesar lenguaje natural,…
Un equipo de físicos del Instituto de Tecnología de Massachusetts (MIT) ha descubierto una propiedad…
Una carcasa experimental de marcapasos sin cables puede recargar parcialmente la batería del dispositivo generando…
No había mucho en juego, ya que era solo una demostración en vivo, pero la…
La prótesis decodifica señales del centro del habla del cerebro para predecir qué sonido alguien…
El invento ya se probó en un paciente francés, de 63 años, al que le…