Los enormes avances tecnológicos que ha experimentado el mundo en los últimos años nos permiten hoy tener una idea más clara sobre dónde nos encontramos respecto al cambio climático y cuáles son los posibles escenarios futuros. A la vez, nos brinda grandes herramientas para hacerle frente.
Estudios recientes indican que en los próximos 20 años, la temperatura mundial aumentará al menos 1.5°C, aunque podría alcanzar los 4°C. Las consecuencias ambientales son enormes y su monitoreo se hace muy difícil y costoso con las herramientas tradicionales. En Dymaxion Labs trabajamos para contribuir a la generación de información relevante para un abordaje efectivo de la problemática.
Monitoreo de incendios forestales con machine learning
El calentamiento global genera condiciones muy favorables para el surgimiento y la prolongación de incendios: olas de calor más recurrentes, estaciones cálidas más largas y frías más cortas. Lamentablemente, es cada vez más común ver incendios forestales con devastadoras consecuencias ambientales, sociales y económicas.
Con el fin de poder realizar una detección temprana y monitoreo efectivo, desarrollamos los paquetes open-source satproc y unetseg, que detectan áreas quemadas a través de algoritmos especializados.
Así se ve un incendio en una imagen satelital. Fuente: Dymaxion Labs
Satproc se enfoca en el procesamiento de imágenes geoespaciales y archivos vectoriales para resolver problemas de detección de objetos y segmentación semántica. Unetseg, por su parte, es un paquete de entrenamiento y predicción de modelos de deep learning, basados en la arquitectura U-Net, para problemas de segmentación semántica sobre imágenes geoespaciales.
Detección de basurales a cielo abierto
La creciente presencia de basurales a cielo abierto afecta en particular a lo que se conoce como el sur global. De acuerdo a un estudio realizado por el Banco Mundial, en América Latina y el Caribe en particular, los vertederos a cielo abierto representan aproximadamente un 27% de la eliminación y el tratamiento de residuos.
Su impacto ambiental es negativo, pero también lo es desde un aspecto social y económico, afectando mayormente a poblaciones vulnerables aledañas. En un trabajo conjunto con la Fundación Bunge & Born, desarrollamos un proyecto para su detección y seguimiento de basurales de manera escalable y a bajo costo.
Gracias al uso de técnicas basadas en Machine Learning para el procesamiento de imágenes satelitales logramos mapear grandes áreas de manera rápida y con bajos recursos. Partimos de ejemplos de basurales a cielo abierto identificados por el ojo humano, que en general provienen del trabajo de municipios y ONGs.
Los algoritmos que creamos buscan patrones en común y luego generan predicciones de posibles basurales aún no detectados en vastas extensiones de territorio. Además, nos permiten generar insights valiosos para un monitoreo preciso y reportes periódicos de las ubicaciones de los basurales.
Sólo las acciones y políticas que se implementen podrán evitar los peores escenarios; para ello, será clave tener información precisa y relevante. Nuestras soluciones buscan contribuir a la construcción de un futuro más sustentable y justo.
Autor: Federico Bayle, Co fundador y CEO de Dymaxion Labs.
Todas las opiniones expresadas en esta publicación de blog son del autor y no reflejan ni representan necesariamente las opiniones de AI for Climate Initiative o sus fundadores.
Kommentare