El proyecto PREIGNEO, seleccionado por los Premios Cátedra Telefónica de la UEx para Proyectos IoT, BigData, Machine Learning y Blockchain para el Sector Agroganadero, ha tenido como objetivo la identificación de zonas en peligro de incendio a través de imágenes de satélite. Los procesos de tratamiento masivo de datos de imágenes de satélite y su uso para el aprendizaje de redes neuronales se basa en el conocimiento de los integrantes del grupo Quercus de la UEx en el proyecto INTELIPAC de la Junta de Extremadura, empleado para la identificación de cultivos.
Para llevar a cabo este desarrollo, se ha procedido, en una primera parte, a la descarga de imágenes de satélites que han servido como ejemplos de entrenamiento de la red neuronal. Con estos datos, se han generado los patrones que identifican la zonas potenciales de peligro de incendios. Para la recogida de datos, se ha realizado un análisis de varios años de la zona ZAR Vera-Tiétar catalogada por INFOEX como de potencial riesgo, centrándonos en los meses con temperaturas más elevadas, y desarrollado un modelo que calcula el porcentaje de seguridad de un área frente a un incendio. Para simplificar el proceso de aprendizaje, puesto que se ha analizado una gran cantidad de datos, se ha empleado el índice NVDI en vez de todas las bandas de las imágenes de Sentinel-2, ya que este índice es uno de los más útiles y usados en teledetección.
Con el sistema que se ha implementado, al tener identificado el patrón de peligro de incendio, podemos escoger un recinto determinado y evaluar su porcentaje de riesgo. El sistema analiza la secuencia de imágenes de ese recinto, lo compara pixel a pixel con el patrón, y determina qué zonas concretas son más vulnerables a incendios.
Como ejemplo, en la imagen anterior se muestra un recinto con un índice NVDI alto que es, especialmente en los meses de verano, más susceptible de sufrir incendios por las altas temperaturas. Como refleja la predicción en rojo, los factores analizados indican que sería conveniente realizar un seguimiento o un tratamiento de desbroce del recinto por tener un riesgo elevado.
En este segundo caso, un recinto con un NVDI relativamente bajo en los meses con temperaturas más elevadas refleja la predicción de una menor predisposición a sufrir incendios. Este recinto quizás tiene menos vegetación, ha sido cultivado o se han realizado tareas de mantenimiento, y por lo tanto, la posibilidad de incendio es menor.
Como conclusión principal del trabajo podemos decir que, aunque se trata de un prototipo todavía en fase experimental, los resultados son muy prometedores de cara a disponer en el futuro de un sistema que pueda monitorizar de forma automática las áreas de interés y así facilitar las labores de prevención de incendios de manera más efectiva.
Podéis ver un video divulgativo del proyecto en este enlace.