A Microsoft, o Azure e a tecnologia de IA combatem os riscos de incêndios florestais na Califórnia

A Microsoft investe na detecção de incêndios florestais com tecnologia de IA, e Juan Lavista Ferres, vice-presidente corporativo e cientista-chefe de dados, discute estratégias para mitigar os danos ambientais.

De acordo com a NASA, as mudanças climáticas afetam todas as pessoas na Terra, manifestando-se por meio do aumento das temperaturas, da alteração nos padrões de chuva e da elevação do nível do mar.

A NASA afirma que há evidências inequívocas de que a Terra está se aquecendo a um ritmo sem precedentes, sendo a atividade humana o principal fator responsável.

À medida que as temperaturas globais aumentam, os incêndios florestais representam uma ameaça cada vez maior.

Nos EUA, o aumento das temperaturas, as secas prolongadas e a expansão do desenvolvimento aumentam os riscos para as comunidades e os ecossistemas.

No ano passado, foram registrados quase 78 mil incêndios florestais em todo o país, o que representa um aumento de 20% em relação ao ano anterior.

Na Califórnia, onde o fogo historicamente moldou florestas, pastagens e paisagens costeiras, o desafio envolve cada vez mais a gestão de como as comunidades coexistem com os impactos das mudanças climáticas.

Cientistas, bombeiros e o AI for Good Lab da Microsoft estão utilizando a IA para detectar incêndios florestais mais cedo, proporcionando às equipes de emergência mais tempo de resposta.

Nosso objetivo é tornar essa tecnologia acessível globalmente.

Juan Lavista Ferres, vice-presidente e cientista-chefe de dados do AI for Good Lab da Microsoft.

A Microsoft se comprometeu a investir US$ 5 milhões para aprimorar a detecção de incêndios florestais com IA, financiando a expansão de sistemas de visão computacional em tempo real que demonstram novas abordagens para a implantação do aprendizado de máquina no monitoramento ambiental em situações de emergência.

Como a tecnologia ajuda a impedir a propagação de incêndios florestais

Visão computacional em grande escala

Durante décadas, a detecção de incêndios florestais dependia de pessoas que avistavam a fumaça de estradas, mirantes ou comunidades próximas antes de alertar os serviços de emergência.

A ALERTCalifornia, fundada na Universidade da Califórnia em San Diego, está transformando essa abordagem com uma rede de quase 1.300 câmeras espalhadas por áreas propensas a incêndios no estado.

O sistema monitora continuamente as imagens ao vivo das câmeras e usa IA para identificar possíveis sinais de fumaça.

Ele compara diferentes ângulos de câmera, verifica a localização dos incêndios e envia alertas às equipes de emergência em questão de minutos.

Nos primeiros dois meses, a rede detectou 77 incidentes antes que fossem relatados por outros canais.

O sistema agora processa mais de sete milhões de imagens diariamente, identificando incêndios florestais até 2,5 horas antes da primeira chamada para o 911.

O modelo de IA precisa distinguir sinais reais de incêndio de ruídos ambientais, como nuvens, neblina e condições variáveis de iluminação ao longo de diferentes horários do dia e estações do ano.

Esse desafio de classificação é agravado pela diversidade das paisagens monitoradas, que vão de florestas densas a pastagens e regiões costeiras.

O Dr. Neal Driscoll, geofísico e fundador da ALERTCalifornia, afirma: “Os dados revelam não apenas a aparência da paisagem.

Dr. Neal Driscoll, geofísico e fundador da ALERTCalifornia. Crédito: Emily Zheng via Microsoft

‘Eles nos ajudam a entender como ela muda ao longo do tempo.’”

De acordo com os dados operacionais do projeto, a detecção de incêndios 2,5 horas antes dos métodos tradicionais indica que o limiar de sensibilidade do modelo foi calibrado para identificar fumaça em estágios iniciais, mantendo uma precisão aceitável.

Desempenho do modelo em produção

A implantação do sistema destaca considerações práticas para sistemas de IA que operam em cenários críticos de detecção.

O processamento de sete milhões de imagens por dia requer uma infraestrutura capaz de lidar com inferência contínua em grande escala, sendo que o componente de subsídio do Azure, parte da contribuição de US$ 5 milhões da Microsoft, pode atender a essas necessidades computacionais.

Fatos sobre incêndios florestais da Earth.Org

• Os incêndios florestais requerem três condições essenciais para se iniciar: vegetação seca (combustível), ar rico em oxigênio e uma fonte de calor. Ventos fortes podem acelerar a propagação.
• Os raios desencadeiam incêndios florestais naturalmente: os raios são uma das principais fontes naturais de ignição, sendo que descargas mais quentes e prolongadas têm maior probabilidade de iniciar incêndios. Um estudo de 2014 constatou que um aumento de 1 °C na temperatura poderia aumentar a frequência de raios em 12%.
• Mais de 80% dos incêndios florestais nos EUA são causados pelo homem: atividades como fogueiras deixadas sem supervisão, cigarros, churrascos e fogos de artifício são responsáveis por cerca de 84% dos incêndios florestais nos EUA.
• Os incêndios florestais causam poluição atmosférica generalizada: a fumaça contém gases e partículas finas que percorrem longas distâncias, penetrando profundamente nos pulmões e aumentando os riscos à saúde respiratória e cardiovascular.
• As mudanças climáticas prolongam as temporadas de incêndios florestais: o aumento das temperaturas, a seca e a redução das chuvas deixam mais vegetação seca e inflamável. Nos EUA, as temporadas de incêndios, que antes duravam quatro meses, agora se estendem por seis a oito meses ou mais.
• Os incêndios florestais criam um ciclo vicioso climático: incêndios em grande escala liberam quantidades substanciais de gases de efeito estufa ao mesmo tempo em que destroem a vegetação que armazena carbono, contribuindo para um aquecimento ainda maior e aumentando a probabilidade e a intensidade de futuros incêndios florestais.

Em 2023, os recursos de detecção do sistema ajudaram a conter o incêndio Trotter, no condado de Kern, nos EUA, limitando-o a 52 acres; projeções sugerem que ele poderia ter atingido quase 4.000 acres sem a intervenção da IA.

Esses resultados do mundo real oferecem estudos de caso para avaliar o impacto do modelo além das métricas padrão de precisão.

O papel da tecnologia durante o incêndio Kincade, no condado de Sonoma, nos EUA, em 2019 — que auxiliou na evacuação de mais de 180.000 moradores sem perda de vidas — demonstra como os sistemas de alerta precoce influenciam os protocolos de resposta a emergências.

“Adquirimos conhecimento significativo nos primeiros cinco minutos”, afirma Zachary Wells, subchefe do Corpo de Bombeiros do Condado de Kern e diretor adjunto de operações da ALERTCalifornia.

Zachary Wells, subchefe do Corpo de Bombeiros do Condado de Kern e diretor adjunto de operações da ALERTCalifornia. Crédito: Emily Zheng

“Essa compreensão inicial orienta todas as ações subsequentes.”

Escalabilidade e adaptação da implantação

A estrutura de financiamento da Microsoft, composta por US$ 2 milhões para desenvolvimento de tecnologia e um subsídio de US$ 3 milhões do Azure, indica prioridades tanto no aprimoramento do modelo quanto na infraestrutura computacional.

“Queremos que essa tecnologia esteja disponível para pessoas em todo o mundo”, diz Juan Lavista Ferres, vice-presidente e cientista-chefe de dados do AI for Good Lab da Microsoft.

Juan Lavista Ferres, vice-presidente sênior e cientista-chefe de dados da Microsoft

Ampliar a abordagem para além da Califórnia apresenta desafios técnicos relacionados à generalização do modelo e ao aprendizado por transferência.

Os riscos de incêndios florestais variam significativamente de acordo com a localização, o que significa que os sistemas devem levar em conta as paisagens locais, a vegetação, as condições climáticas e as estruturas de resposta a emergências.

Um modelo treinado principalmente com dados da Califórnia pode exigir ajustes ou retreinamento quando implantado em regiões com diferentes tipos de vegetação, topografia ou padrões climáticos.

O projeto também está desenvolvendo recursos que vão além da detecção inicial, incorporando quase 98.000 milhas quadradas de dados LiDAR para criar modelos digitais detalhados da paisagem.

Essa expansão para o mapeamento do terreno, o monitoramento da saúde florestal e a avaliação de riscos pós-incêndio sugere uma arquitetura de fluxo de dados mais ampla.

A combinação da visão computacional para detecção de fumaça com dados ambientais derivados do LiDAR permite abordagens de aprendizado multitarefa que aprimoram a inteligência geral do sistema e oferecem casos de uso adicionais para a infraestrutura e os conjuntos de dados subjacentes.

Imagens com tecnologia de IA aceleram a detecção de incêndios florestais

Fatos rápidos sobre o clima das Nações Unidas

• A temperatura global da superfície aumentou mais rapidamente desde 1970 do que em qualquer outro período de 50 anos nos últimos 2.000 anos, pelo menos.
• A Terra está agora aproximadamente 1,42 °C mais quente do que na era pré-industrial (1850-1900).
• 2024 foi o ano mais quente já registrado, com a temperatura média global próxima à superfície 1,55 °C acima da linha de base pré-industrial.
• O período de 2015 a 2024 foi a década mais quente já registrada.
• Cada fração de grau de aquecimento faz diferença. A cada aumento adicional do aquecimento global, as mudanças nos fenômenos extremos e os riscos aumentam.
• O dióxido de carbono (CO₂) está se acumulando na atmosfera mais rapidamente do que em qualquer outro momento da existência humana, com um aumento de mais de 10% em apenas duas décadas.

Projetos do AI for Good Lab da Microsoft

Previsão de auroras:O projeto Aurora Forecasting da Microsoft utiliza um modelo básico de IA com 1,3 bilhão de parâmetros para analisar dados atmosféricos e aprimorar as previsões meteorológicas e climáticas. O modelo oferece suporte a aplicações que incluem previsão do tempo, modelagem da qualidade do ar e análise de eventos climáticos extremos, demonstrando como a IA pode processar conjuntos de dados ambientais complexos para fortalecer a compreensão das condições atmosféricas e apoiar o planejamento de resiliência.

Aprendizado de máquina geoespacial: O AI for Good Lab da Microsoft combina dados geoespaciais, imagens de satélite e aéreas com aprendizado de máquina, em colaboração com universidades, agências de conservação, ONGs e a Presidência de Gestão de Desastres e Emergências do Ministério do Interior da Turquia. Os projetos incluem avaliação de danos em edifícios causados por terremotos, mapeamento de geleiras e cobertura do solo, mapeamento de galpões avícolas e monitoramento de energia renovável, apoiando a resposta a desastres, a conservação, a ação humanitária e o planejamento ambiental.

Mapeamento de geleiras: O AI for Good Lab da Microsoft utiliza aprendizado de máquina e imagens de satélite para apoiar o mapeamento de geleiras e o monitoramento ecológico na região do Hindu Kush-Himalaia. O projeto identifica e delineia tanto geleiras de gelo puro quanto aquelas cobertas por detritos, enquanto uma ferramenta da web permite que especialistas revisem e corrijam as previsões do modelo. A abordagem visa acelerar o mapeamento e melhorar a compreensão dos ecossistemas glaciais afetados pelas mudanças climáticas.

Mapeamento de energia renovável: o projeto de Mapeamento de Energia Renovável da Microsoft utiliza aprendizado de máquina geoespacial para mapear e monitorar o desenvolvimento de energia renovável em grande escala. A tecnologia ajuda as organizações a compreender onde a infraestrutura de energia renovável está sendo desenvolvida e a acompanhar mudanças em grandes áreas. Ao combinar IA com informações geoespaciais, o projeto demonstra como o aprendizado de máquina pode apoiar o planejamento de energia renovável e fornecer dados para monitorar a transição para uma energia mais limpa.

Bioacústica: O AI for Good Lab da Microsoft colabora com organizações de conservação e laboratórios de pesquisa para aplicar aprendizado de máquina e aprendizado profundo a grandes volumes de áudio da vida selvagem. Entre os projetos está o Projeto Guacamaya, em parceria com o Instituto Humboldt, que utiliza bioacústica para a identificação de espécies na Amazônia. Outros trabalhos apoiam o monitoramento de baleias beluga e a classificação automatizada de chamados de aves e anfíbios, promovendo a pesquisa e a conservação da biodiversidade.

Acelerando levantamentos de biodiversidade: O AI for Good Lab da Microsoft, a Microsoft Research e o Microsoft AI for Earth colaboram com a NOAA Fisheries, a Sieve Analytics e a LILA BC para acelerar levantamentos de biodiversidade por meio do aprendizado de máquina. Os projetos analisam imagens e áudio de câmeras-armadilha, câmeras aéreas e microfones, reduzindo a necessidade de anotação manual. Esse trabalho visa fornecer aos conservacionistas dados sobre populações de animais selvagens mais rapidamente, apoiando decisões sobre proteção de habitats, infraestrutura e esforços contra a caça ilegal.

Mapeamento da cobertura do solo: o trabalho de mapeamento da cobertura do solo da Microsoft utiliza visão computacional para transformar dados de sensoriamento remoto em informações sobre uso e cobertura do solo. A abordagem reduz o tempo que cientistas ambientais e analistas geoespaciais gastam mapeando áreas manualmente, permitindo maior foco na análise e na tomada de decisões. Ao automatizar partes do processo de mapeamento, a Microsoft apoia o monitoramento ambiental e ajuda as organizações a trabalhar com conjuntos de dados geoespaciais em grande escala.