México.- Científicos de la Universidad Nacional Autónoma de México (UNAM) trabajan en el desarrollo de un sistema operativo basado en inteligencia artificial (IA) capaz de detectar, casi en tiempo real, plumas o columnas de humo derivadas de incendios forestales.
El proyecto, desarrollado en el Laboratorio Nacional de Observación de la Tierra (LANOT) en colaboración con la Comisión Nacional Forestal (Conafor) y encabezado por el investigador del Instituto de Geografía (IGg), Colvert Gómez Rubio, busca fortalecer la prevención y la respuesta ante emergencias ambientales en el territorio nacional.
“Se estima que cada 10 minutos se logre la detección de humo a escala nacional y su ubicación, y que el sistema esté implementado para finales de este año”, explicó en un comunicado Gómez Rubio.
Para identificar oportunamente el humo, el sistema utiliza datos satelitales que garantizan cobertura global y continua.
Las imágenes, obtenidas de satélites meteorológicos geoestacionarios como el GOES-R, de la NASA y la NOAA, son procesadas en el LANOT. Estos equipos generan imágenes cada cinco minutos en América del Norte y cada 10 minutos a escala mundial, aunque su resolución espacial oscila entre 0,5 y 2 kilómetros por píxel.
El proyecto cuenta también con la participación de la investigadora Lilia de Lourdes Manzo Delgado, del Laboratorio de Análisis Geoespacial del IGg.
Gómez Rubio subrayó que el humo representa un riesgo tan relevante como el propio fuego. Además de las afectaciones inmediatas a la salud, la combustión libera dióxido de carbono y óxidos de azufre, gases que contribuyen al calentamiento global, la lluvia ácida y el deterioro de ecosistemas.
Los óxidos de azufre, al combinarse con compuestos atmosféricos, forman partículas PM10 y PM2.5, capaces de penetrar en los pulmones y el torrente sanguíneo.
Estas partículas son consideradas de las más peligrosas por su relación con enfermedades respiratorias, cardiovasculares y cáncer, especialmente en población vulnerable como niños y adultos mayores.
El especialista recordó que más del 90 % de los incendios forestales en México son de origen humano y que las emisiones de humo presentan un comportamiento episódico y estacional, influido por las condiciones climáticas y las actividades agrícolas.
La investigación aplica técnicas de aprendizaje automático y aprendizaje profundo, como las redes neuronales convolucionales, para reconocer patrones en las imágenes satelitales.
“El objetivo es que las máquinas aprendan de ejemplos y generalicen el conocimiento, lo que permitirá identificar columnas de humo en situaciones no previstas”, precisó.
Con ello, la UNAM busca aportar una herramienta tecnológica que incremente la capacidad de respuesta ante incendios forestales y reduzca sus impactos ambientales, económicos y en la salud pública.
Con información de comunicado
EFE
