Personas de todo el mundo han sufrido la angustiosa ansiedad de esperar semanas o meses para averiguar si sus hogares han sido dañados por incendios forestales que arden con mayor intensidad. Ahora, una vez que el humo se haya disipado para la fotografía aérea, Los investigadores han encontrado una forma de identificar los daños a los edificios en cuestión de minutos.

A través de un sistema al que llaman DamageMap, un equipo de la Universidad de Stanford y la Universidad Estatal Politécnica de California (Cal Poly) ha aportado un enfoque de inteligencia artificial a la evaluación de edificios:en lugar de comparar fotos de antes y después, han entrenado un programa que utiliza el aprendizaje automático para que se base únicamente en imágenes posteriores al incendio. Los hallazgos aparecen en el Revista Internacional de Reducción del Riesgo de Desastres .

"Queríamos automatizar el proceso y hacerlo mucho más rápido para los socorristas o incluso para los ciudadanos que quisieran saber qué sucedió en su casa después de un incendio forestal". "dijo el autor principal del estudio, Marios Galanis, estudiante de posgrado en el Departamento de Ingeniería Civil y Ambiental de la Escuela de Ingeniería de Stanford. "Los resultados de nuestro modelo están a la par con la precisión humana".

El método actual para evaluar los daños implica que las personas vayan de puerta en puerta para comprobar cada edificio. Si bien DamageMap no está destinado a reemplazar la clasificación de daños en persona, podría utilizarse como una herramienta complementaria escalable ofreciendo resultados inmediatos y proporcionando la ubicación exacta de los edificios identificados. Los investigadores lo probaron usando una variedad de satélites, Fotografía aérea y con drones con al menos un 92 por ciento de precisión.

"Con esta aplicación, probablemente podrías escanear toda la ciudad de Paradise en unas pocas horas, "dijo el autor principal G. Andrew Fricker, profesor asistente en Cal Poly, haciendo referencia a la ciudad del norte de California destruida por el Camp Fire de 2018. "Espero que esto pueda aportar más información al proceso de toma de decisiones para los bomberos y los servicios de emergencia, y también ayudar a las víctimas de incendios obteniendo información que les ayude a presentar reclamaciones de seguros y volver a encarrilar sus vidas ".

Un enfoque diferente

La mayoría de los sistemas computacionales no pueden clasificar de manera eficiente los daños a los edificios porque la IA compara las fotos posteriores al desastre con las imágenes anteriores al desastre que deben usar el mismo satélite. ángulo de la cámara y condiciones de iluminación, que puede ser costoso de obtener o no estar disponible. El hardware actual no es lo suficientemente avanzado para registrar la vigilancia de alta resolución a diario, por lo que los sistemas no pueden confiar en fotos consistentes, según los investigadores.

En lugar de buscar diferencias entre imágenes de antes y después, DamageMap primero usa fotos de pre-incendio de cualquier tipo para mapear el área y localizar las ubicaciones de los edificios. Luego, el programa analiza imágenes posteriores a un incendio forestal para identificar daños a través de características como superficies ennegrecidas, techos desmoronados o la ausencia de estructuras.

"Las personas pueden saber si un edificio está dañado o no, no necesitamos la imagen anterior, por lo que probamos esa hipótesis con el aprendizaje automático, "dijo el coautor Krishna Rao, estudiante de posgrado en ciencias del sistema terrestre en la Escuela de la Tierra de Stanford, Energía y Ciencias Ambientales (Stanford Earth). "Esta puede ser una herramienta poderosa para evaluar rápidamente los daños y planificar los esfuerzos de recuperación ante desastres".

El daño estructural de los incendios forestales en California se divide típicamente en cuatro categorías:casi ningún daño, daños menores, Daños mayores o destruidos. Dado que DamageMap se basa en imágenes aéreas, los investigadores rápidamente se dieron cuenta de que el sistema no podía realizar evaluaciones con ese grado de detalle y entrenaron la máquina para determinar simplemente si el daño por incendio estaba presente o ausente.

Oportunidades de crecimiento

Debido a que el equipo utilizó una técnica de aprendizaje profundo llamada aprendizaje supervisado, su modelo puede seguir mejorando si se le proporciona más datos. Probaron la aplicación utilizando evaluaciones de daños de Paradise, California, después del Camp Fire y el Whiskeytown-Shasta-Trinity National Recreation Area después del Carr Fire de 2018. Los investigadores dijeron que la plataforma de código abierto se puede aplicar a cualquier área propensa a incendios forestales y esperan que también pueda ser entrenada para clasificar los daños de otros desastres como inundaciones o huracanes.

"Hasta ahora, nuestros resultados sugieren que esto se puede generalizar, y si las personas están interesadas en usarlo en casos reales, entonces podremos seguir mejorándolo, "Dijo Galanis.

Galanis y Rao desarrollaron el proyecto durante el Big Earth Hackathon 2020 de Stanford:Wildland Fire Challenge. Posteriormente colaboraron con los investigadores de Cal Poly para perfeccionar la plataforma, una conexión que resultó de la participación de Rao y Frickers en la conferencia ″ Geo For Good de 2019 de Google, donde los dos construyeron un prototipo inicial como parte de la conferencia Build-A-Thon.

Los coautores probaron los resultados de su modelo con los datos de daños recopilados en el sitio por agentes del Departamento de Silvicultura y Protección contra Incendios de California (CAL FIRE), información que hizo posible la investigación.

"Los inspectores de daños realizaron arduos esfuerzos de puerta en puerta, mirando el daño, geoetiquetar ubicaciones y, finalmente, hacerlas accesibles al público, ", Dijo Rao." La investigación o la innovación de tecnologías futuras depende directamente del acceso a esos datos ".