Investigadores de UWF desarrollan herramientas de IA para el mapeo de daños por incendios forestales y el monitoreo ambiental
PENSACOLA, Fla. – Investigadores de la Universidad de West Florida (UWF) han presentado un nuevo conjunto de datos de referencia y una evaluación de métodos de inteligencia artificial que podrían mejorar significativamente el mapeo y el monitoreo de los daños causados por incendios forestales a gran escala. El estudio, dirigido por Valeria Martin, estudiante de doctorado en el programa de sistemas inteligentes y robótica, presenta CalFireSeg-50, un conjunto de datos creado a partir de imágenes satelitales y datos de 50 de los incendios forestales más grandes de California entre 2019 y 2023.
Martin colaboró con el Dr. Brent Venable, director del programa de doctorado en sistemas inteligentes y robótica, y el Dr. Derek Morgan, profesor asociado de ciencias de la Tierra y del medio ambiente en la UWF, para entrenar a los sistemas de IA a reconocer los signos de daños por incendios forestales. Para ello, el equipo creó una gran colección de imágenes satelitales, mostrando a la IA cómo se ven los daños causados por los incendios. Al proporcionar a la IA numerosos ejemplos, esta aprende patrones y mejora su capacidad para identificar áreas afectadas por el fuego en nuevas imágenes.
“Este proyecto demuestra cómo las técnicas avanzadas de GeoIA pueden apoyar de manera significativa el monitoreo ambiental,” dijo el Dr. Brent Venable, director del programa de doctorado en sistemas inteligentes y robótica. “El trabajo excepcional de Valeria demuestra el poder de la investigación interdisciplinaria y refleja el espíritu innovador del programa de doctorado en Sistemas Inteligentes y Robótica.”
Este conjunto de datos de referencia también puede ayudar a los modelos a identificar las zonas donde los incendios arden con mayor intensidad, lo que permite a los equipos de emergencia comprender cómo se propagan los incendios forestales e identificar rápidamente las zonas de alta prioridad. Los conjuntos de datos y los mapas detallados de los daños causados por los incendios forestales también pueden ser útiles para otras tareas, como el seguimiento de la recuperación de la vegetación después de un incendio.
“Al combinar datos satelitales con modelos de aprendizaje profundo, podemos detectar los daños causados por los incendios forestales con alta precisión,” dijo Martin. “Los resultados de este trabajo pueden apoyar la respuesta ante emergencias, el monitoreo ambiental y la planificación de la recuperación a largo plazo.”
Martin presentó recientemente la investigación en la 13.ª Conferencia Internacional ACM SIGSPATIAL sobre Avances en Sistemas de Información Geográfica en Minneapolis, Minnesota.
UWF researchers advance AI tools for wildfire damage mapping and environmental monitoring
PENSACOLA, Fla. – Researchers at the University of West Florida have introduced a new benchmark dataset and evaluation of artificial intelligence methods that could greatly improve how wildfire damage is mapped and monitored at scale. The study, led by Valeria Martin, a Ph.D. student in the intelligent systems and robotics program, introduces CalFireSeg-50, a dataset built from satellite imagery and data from 50 of California’s largest wildfires between 2019 and 2023.
Martin collaborated with Dr. Brent Venable, director of the intelligent systems and robotics doctoral program, and Dr. Derek Morgan, associate professor of earth and environmental sciences at UWF, to teach AI systems how to recognize signs of wildfire damage. To do this, the team created a large collection of satellite images — essentially showing the AI what wildfire damage looks like. By giving the AI many examples, it learns patterns and becomes better at identifying fire-damaged areas in new images.
“This project showcases how advanced GeoAI techniques can meaningfully support environmental monitoring,” said Dr. Brent Venable, director of the intelligent systems and robotics doctoral program. “Valeria’s exceptional work demonstrates the power of interdisciplinary research and reflects the innovative spirit of the Intelligent Systems and Robotics doctoral program.”
This benchmark can also help models identify where fires burn the hottest, helping emergency responders understand how wildfires spread and quickly pinpoint high-priority zones. The datasets and detailed maps of wildfire damage can also support other work, like tracking vegetation recovery after a wildfire.
“By pairing satellite data with deep-learning models, we can detect wildfire damage with high accuracy,” Martin said. “The insights from this work can support emergency response, environmental monitoring and long-term recovery planning.”
Martin recently presented the research at the 13th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems in Minneapolis, Minnesota.
