Instituto Tecnológico de Aeronáutica
Previsão de Risco de Incêndio Florestal
As aplicações de Veículos Aéreos Não Tripulados (VANTs) têm testemunhado avanços significativos em diversos domínios, incluindo vigilância, agricultura, gestão de desastres e monitoramento ambiental. Os sensores dos VANTs podem coletar dados críticos, permitindo a tomada de decisões em tempo real e aprimorando as capacidades operacionais.
No entanto, integrar e gerenciar múltiplos sensores dentro de uma plataforma VANT apresenta desafios significativos para o desempenho e funcionalidade ideais. As plataformas VANT dependem de diferentes tipos de sensores. Cada sensor tem um propósito específico, desde capturar imagens de alta resolução até detectar variáveis ambientais e identificar objetos de interesse. Integrar esses sensores diversos em um sistema unificado requer enfrentar desafios técnicos, logísticos e operacionais complexos para extrair informações relevantes, o que pode ser uma tarefa árdua.
Algoritmos de aprendizado de máquina podem fundir dados de múltiplos sensores, possibilitando a extração de informações significativas. Além disso, técnicas de aprendizado de máquina podem aprender as correlações e padrões entre os dados dos sensores ao treinar modelos em conjuntos de dados integrados, permitindo uma análise mais precisa e abrangente. Como resultado, podemos melhorar a qualidade geral dos dados e facilitar uma melhor tomada de decisão, possibilitando uma visão holística da situação dos incêndios florestais.
Monitorar o risco de incêndios florestais permite medidas proativas para prevenir e mitigar sua ocorrência. Ao identificar áreas com alto risco de fogo, as autoridades podem implementar medidas preventivas, como queimadas controladas, manejo de combustível e aplicação de regulamentos de segurança contra incêndios. O monitoramento também possibilita a detecção precoce de fontes potenciais de ignição, como raios ou atividades humanas, permitindo resposta imediata e esforços de mitigação. Ao aproveitar tecnologias avançadas de monitoramento e abordagens baseadas em dados, as autoridades podem aprimorar sua capacidade de responder efetivamente, mitigar riscos e proteger tanto vidas humanas quanto ecossistemas naturais do impacto devastador dos incêndios florestais. Neste projeto, focamos no estudo desse cenário de monitoramento.
Nosso objetivo é criar um sistema de coleta de dados capaz de lidar com dados multiplataforma e multisensor (imagens multiespectrais, umidade, temperatura e outros) para construir automaticamente modelos de inteligência artificial que prevejam o risco de incêndios florestais em uma área de cobertura.
O sistema de coleta, anotação e fusão de dados irá lidar com diferentes categorias de dados e plataformas, além de ser facilmente integrado a outros sistemas de dados relacionados ao problema, como informações de satélites, mapas de vegetação ou outros dados estruturados e não estruturados.
Este projeto está inserido no projeto Estudo do Domínio Aéreo (ADS), uma cooperação Brasil-Suécia em Aeronáutica, cujo objetivo é compreender melhor o futuro do domínio aéreo.
Essas atividades irão expandir gradualmente o conhecimento e apoiar os esforços das partes interessadas para se posicionarem no futuro cenário da aeronáutica global.