Fernando Seijas, de la Facultad de Ciencias Físico Matemáticas y Naturales (FCFMyN), obtuvo su tesis de Licenciatura en Física a través de la presentación de un trabajo especial en el que utilizó herramientas de física estadística.

Los incendios forestales, generados en el 95% de los casos por el hombre, amenazan la flora, fauna e infraestructura,  por lo que el entendimiento científico de estos fenómenos se convierte en una herramienta de prevención fundamental. Fernando Seijas, de la Facultad de Ciencias Físico Matemáticas y Naturales (FCFMyN), obtuvo su tesis de Licenciatura en Física a través de la presentación de un trabajo especial en el que analizó un modelo de incendios forestales con inmunidad, usando Machine Learning, y estudiando su dinámica y geometría mediante herramientas de la física estadística.    

“Nos interesa ver que en las regiones en donde normalmente hay incendios podamos describir de forma matemática la probabilidad y el tamaño de los mismos. En el trabajo lo que buscamos era intentar modelar de manera simple la propagación de incendios, usando una cuadrícula o lo se denomina un autómata celular”, señaló Seijas y agregó: “Le dábamos una cierta cantidad de estos datos para que el modelo de Machine Learning entienda el patrón, y si efectivamente encontraba uno, intentábamos relacionar el modelo de propagación de incendios con el ambiente”.    

A través del Machine Learning (Aprendizaje automático), se entrena un modelo matemático para evaluar si existen patrones en los incendios. Es un aprendizaje supervisado, en el que se requiere el suministro de datos.

El físico subrayó que el trabajo realizado con su equipo apunta a un entendimiento   estadístico de los mecanismos de propagación, pero aclaró que esto aún no equivale a tener la capacidad de predicción. “No queremos decir que vamos a predecir incendios, porque eso sería muy ambicioso; queremos ver si existe algún tipo de relación entre la variable ambiental y el modelo. Ese ha sido el objetivo del trabajo”, aseguró. 

Afirmó que una de las conclusiones del trabajo fue que no había una vinculación entre las variables ambientales y la propagación del incendio, como se podía presumir con antelación. “Asumimos que esa propagación puede darse por otro tipo de característica del sistema, como la densidad y el tipo de vegetación. El trabajo muestra que la dificultad no se debe solo a los datos, sino a la propia estructura del modelo. Todo eso cambia la forma en que se propaga el incendio, al menos en nuestro modelo. Sabemos que hay modelos mucho más complejos, que tienen en cuenta topografía, dirección del viento, inclinación del terreno, que pueden ser más útiles”, aseguró.

Destacó que en base al trabajo realizado la idea es que se puedan utilizar estos conocimientos en un escenario real, con aplicación en la provincia. Esto, aseguró, demandará igualmente contar con una base de datos robusta. “Por ahora estamos lejos de trabajar en tiempo real con Machine Learning en los incendios, como hacen en los  grupos de trabajo con enfoques más sofisticados, igualmente, este sistema ya se ha aplicado en la Argentina”, aseguró. 

Sistemas más eficientes

La utilización del Machine Learning y la Inteligencia Artificial están revolucionando la detección y la prevención de los incendios forestales en todo el mundo, ya que permiten una actuacion preventiva y no reactiva frente al fuego. En los sistemas convencionales, una persona detecta el siniestro, da aviso a las autoridades, luego se realiza la verificación sobre el terreno y recién ahí se movilizan los recursos para intentar apagar las llamas.

Con el Machine Learning y la IA, se emplea un sistema que procesa datos en tiempo real derivados de cámaras térmicas en drones, sensores emplazados en el terreno (que miden temperatura, humedad y presencia de humo) y el procesamiento de imágenes satelitales. Además, se tiene en consideración como información el historial de incendios en la zona. Los modelos que utilizan Machine Learning son predictivos y no reactivos, por lo tanto, anticipan donde hay una mayor probabilidad de que se origine un incendio.

Las estadísticas marcan que la utilización de estos sistemas más modernos redunda en una reducción de la superficie afectada por las llamas.