Investigadores de la Universidad Bar Ilan impulsan una respuesta más eficiente ante emergencias, mejorando la seguridad de las zonas vulnerables
Con el aumento de incendios forestales provocados por rayos, los investigadores del Departamento de Ciencias de la Computación de la Universidad Bar Ilan marcaron un avance significativo al desarrollar modelos de aprendizaje automático (ML) diseñados para caracterizar y predecir estos incendios a nivel mundial.
Según los datos compartidos en su estudio, estos modelos no solo mejoran las capacidades predictivas, sino que también permiten una respuesta más eficiente ante emergencias, beneficiando a los más vulnerables.
Frente a las limitaciones de los modelos computacionales tradicionales, adaptados generalmente a características regionales específicas, el equipo de la Universidad Bar Ilan implementó modelos de aprendizaje automático que permiten una caracterización y predicción más global de los incendios por rayos.
El estudio subraya que estos modelos permiten diferenciar entre incendios por rayos y antropogénicos, y al mismo tiempo estiman la probabilidad de ignición con alta precisión, considerando factores como condiciones meteorológicas y vegetación.
Inteligencia artificial explicable y características clave
La aplicación de Inteligencia Artificial Explicable (XAI) se presenta como un recurso crucial para desentrañar las influencias detrás de estos modelos predictivos.
Los investigadores señalan que el uso de valores SHAP para analizar el impacto de características clave, como la precipitación, la humedad relativa y los índices meteorológicos de incendio, permite una comprensión más profunda y accesible para humanos.
Este enfoque mejora la capacidad de los modelos para discernir patrones y predicciones relevantesen diferentes contextos climáticos y geográficos.
La Universidad Bar Ilan subraya la importancia de estos avances en modelos de predicción como una herramienta vital para optimizar las estrategias de respuesta ante incendios forestales.
Al proporcionar una evaluación temprana y precisa del riesgo, estas innovaciones además de ayudar a proteger los recursos naturales y las comunidades humanas, también fortalecen las capacidades de adaptación y mitigación frente a los desafíos del cambio climático.
