Estudo revela que IA consegue prever queimadas na Amazônia com até 93% de exatidão

Um estudo divulgado recentemente pela revista científica International Journal of Remote Sensing apontou que a utilização de inteligência artificial (IA) pode ajudar a antecipar com até 93% de exatidão o surgimento de queimadas na Amazônia.

• Especialista aponta tendência de queda de até 60% do XRP

O modelo utilizado é o Convolutional Neural Network (CNN), uma rede neural artificial que imita o funcionamento de cérebro humano através da combinação de imagens de satélite e aprendizado profundo, que é um subconjunto de IA e aprendizado de máquina.

"A capacidade de detectar e responder a incêndios florestais é crucial para preservar o delicado equilíbrio ecológico desses ecossistemas vitais, e o futuro desta região amazônica depende de uma ação rápida e decisiva", explicou a pesquisadora Cíntia Eleutério, da Universidade Federal do Amazonas (UFAM).

De acordo com a professora, as descobertas do estudo “podem melhorar a detecção de incêndios florestais no ecossistema amazônico e em outras partes do mundo, auxiliando significativamente as autoridades no combate e gerenciamento de tais incidentes."

Em 2023, ocorreram 98.639 incêndios florestais somente na Amazônia, onde ocorre 51,94% dos incêndios florestais nos biomas brasileiros. O número, apesar do monitoramento da Amazônia quase em tempo real, coincide com a capacidade limitada de detecção de detalhes em áreas remotas ou focos de incêndio menores. Lacuna que pode ser preenchida com a ajuda da IA.

• Após Petrobrás, Cardano anuncia parceria com o SERPRO, empresa pública que implementou blockchain no CPF

A equipe de pesquisa da UFAM usou imagens obtidas dos satélites Landsat 8 e 9 para treinar a CNN. Segundo Cíntia, esses satélites são equipados com infravermelho próximo e infravermelho de ondas curtas, que juntos são essenciais para detectar mudanças na vegetação, bem como alterações na temperatura da superfície.

Em uma primeira fase, a CNN foi treinada usando um conjunto de dados de 200 imagens de incêndios florestais, mesmo quantitativo de imagens sem incêndios florestais, e se mostrou capaz de atingir 93% de precisão durante a fase de treinamento a parir da inclusão de 40 imagens não utilizadas na fase de treinamento. Isso porque o modelo conseguiu classificar 23 das 24 imagens que continham incêndios florestais, além de separar totas as 16 imagens sem incêndios.

Para o coautor da pesquisa, o PhD em física professor Carlos Mendes, “o modelo CNN pode servir como uma adição valiosa, permitindo análises mais detalhadas em regiões específicas”.

“Ao combinar a ampla cobertura temporal dos sensores atuais com a precisão espacial do nosso modelo, podemos melhorar significativamente o monitoramento de incêndios florestais em zonas críticas de preservação ambiental", emendou.

• 3 indicadores apontam que Ethereum está em uma zona de compra inédita após queda de 30%

Enquanto isso, o governo federal abre frentes para atrair investimentos e se posicionar diante da guerra dos chips travada entre EUA e China para abarcar uma fatia desse mercado de US$ 1,5 trilhão, conforme noticiou o Cointelegraph Brasil.