Pessoas ao redor do mundo têm sofrido a ansiedade desesperadora de esperar semanas ou meses para descobrir se suas casas foram danificadas por incêndios florestais que queimam com intensidade crescente. Agora, uma vez que a fumaça se dissipou para a fotografia aérea, pesquisadores descobriram uma maneira de identificar danos ao edifício em minutos.

Por meio de um sistema que eles chamam de DamageMap, uma equipe da Stanford University e da California Polytechnic State University (Cal Poly) trouxe uma abordagem de inteligência artificial para construir avaliações:em vez de comparar fotos de antes e depois, eles treinaram um programa usando aprendizado de máquina para depender exclusivamente de imagens pós-incêndio. As descobertas aparecem no Jornal Internacional de Redução de Risco de Desastres .

“Queríamos automatizar o processo e torná-lo muito mais rápido para os primeiros respondentes ou mesmo para os cidadãos que querem saber o que aconteceu com suas casas após um incêndio florestal, "disse o principal autor do estudo, Marios Galanis, um aluno de pós-graduação no Departamento de Engenharia Civil e Ambiental da Escola de Engenharia de Stanford. "Os resultados do nosso modelo estão de acordo com a precisão humana."

O método atual de avaliação de danos envolve pessoas indo de porta em porta para verificar cada edifício. Embora o DamageMap não tenha a intenção de substituir a classificação de danos pessoais, ele poderia ser usado como uma ferramenta suplementar escalonável, oferecendo resultados imediatos e fornecendo a localização exata dos edifícios identificados. Os pesquisadores testaram usando uma variedade de satélites, fotografia aérea e drone com pelo menos 92 por cento de precisão.

"Com este aplicativo, você provavelmente poderia escanear toda a cidade de Paradise em algumas horas, "disse o autor sênior G. Andrew Fricker, um professor assistente na Cal Poly, referenciando a cidade do norte da Califórnia destruída pela fogueira de acampamento de 2018. "Espero que isso possa trazer mais informações para o processo de tomada de decisão para bombeiros e equipes de emergência, e também auxiliar as vítimas de incêndio, obtendo informações para ajudá-las a registrar reivindicações de seguro e colocar suas vidas nos trilhos. "

Uma abordagem diferente

A maioria dos sistemas computacionais não pode classificar com eficiência os danos ao edifício porque a IA compara fotos pós-desastre com imagens pré-desastre que devem usar o mesmo satélite, ângulo da câmera e condições de iluminação, que pode ser caro para obter ou não estar disponível. O hardware atual não é avançado o suficiente para registrar vigilância de alta resolução diariamente, então os sistemas não podem confiar em fotos consistentes, de acordo com os pesquisadores.

Em vez de procurar diferenças entre as imagens antes e depois, O DamageMap primeiro usa fotos pré-incêndio de qualquer tipo para mapear a área e apontar os locais dos edifícios. Então, o programa analisa imagens pós-incêndio para identificar danos por meio de recursos como superfícies escurecidas, telhados desmoronados ou ausência de estruturas.

"As pessoas podem dizer se um edifício está danificado ou não - não precisamos da imagem anterior - então testamos essa hipótese com aprendizado de máquina, "disse o co-autor Krishna Rao, um estudante de pós-graduação em ciência do sistema terrestre na Escola da Terra de Stanford, Energia e Ciências Ambientais (Stanford Earth). "Esta pode ser uma ferramenta poderosa para avaliar rapidamente os danos e planejar os esforços de recuperação de desastres."

Danos estruturais causados ​​por incêndios florestais na Califórnia são normalmente divididos em quatro categorias:quase nenhum dano, danos menores, danos maiores ou destruídos. Como o DamageMap é baseado em imagens aéreas, os pesquisadores perceberam rapidamente que o sistema não poderia fazer avaliações com esse grau de detalhe e treinaram a máquina para simplesmente determinar se os danos causados ​​pelo fogo estavam presentes ou ausentes.

Oportunidades de crescimento

Como a equipe usou uma técnica de aprendizado profundo chamada aprendizado supervisionado, seu modelo pode continuar a ser aprimorado, fornecendo-lhe mais dados. Eles testaram o aplicativo usando avaliações de danos da Paradise, Califórnia, após o Camp Fire e a Whiskeytown-Shasta-Trinity National Recreation Area após o Carr Fire de 2018. Os pesquisadores disseram que a plataforma de código aberto pode ser aplicada a qualquer área sujeita a incêndios florestais e esperam que também possa ser treinada para classificar os danos de outros desastres, como inundações ou furacões.

"Até agora, nossos resultados sugerem que isso pode ser generalizado, e se as pessoas estiverem interessadas em usá-lo em casos reais, então podemos continuar melhorando, "Galanis disse.

Galanis e Rao desenvolveram o projeto durante o Big Earth Hackathon de Stanford em 2020:Wildland Fire Challenge. Mais tarde, eles colaboraram com os pesquisadores da Cal Poly para refinar a plataforma, uma conexão que resultou da participação de Rao e Frickers na conferência "Geo For Good" de 2019 do Google, onde os dois construíram um protótipo inicial como parte da conferência Build-A-Thon.

Os co-autores testaram seus resultados de modelo contra dados de danos coletados no local por agentes do Departamento de Florestas e Proteção contra Incêndios da Califórnia (CAL FIRE) - informações que tornaram a pesquisa possível.

"Os inspetores de danos se esforçaram muito para ir de porta em porta, olhando para o dano, georreferenciar locais e, finalmente, torná-los acessíveis ao público, "Rao disse." Pesquisar ou inovar tecnologias futuras depende diretamente do acesso a esses dados. "