Rumo a uma integração do bioindicador acústico no monitoramento de incêndios selvagens baseados em IA: uma revisão sistemática

O que aconteceu

Os incêndios florestais estão se tornando mais frequentes, graves e duradouros, impulsionando o rápido crescimento de sistemas baseados em sensores e inteligência artificial (IA) habilitados para detecção precoce e avaliação de risco. Este artigo apresenta uma revisão sistemática da literatura, baseada em 169 estudos triados a partir de 7511 registros, de abordagens de monitoramento wildfire utilizando sensores remotos via satélite e aérea, câmeras fixas, redes de sensores sem fio e plataformas Internet of Things (IoT) combinadas com modelos de aprendizado de máquina (ML) e aprendizagem profunda (DL) para detecção de ignição, índices de tempo de incêndio, previsão de propagação e mapeamento de área queimada. A revisão organiza o trabalho existente através da modalidade de detecção, escala espacial e temporal, tarefa de aprendizagem, tipo de modelo e arquitetura de implantação, e identifica os drivers ambientais mais comumente utilizados em sistemas, incluindo temperatura, umidade, estado de vegetação, índices de seca e fumaça ou qualidade do ar. Com base nessa análise, a revisão resume os principais desafios técnicos, incluindo a esparsidade de dados em regiões remotas, altas taxas de alarme falso, recursos limitados de borda e dificuldade em fundir fluxos de dados heterogêneos em tempo real. Como uma direção futura exploratória, a revisão discute sinais bioindicadores da vida selvagem e espécies geridas, usando colônias de abelhas como exemplo de caso. Os estudos bioacústicos atuais de abelhas apoiam a detecção de estados de colônia e de proxies de estresse ambiental, mas ainda não validam a detecção de incêndios selvagens ou de fumaça. Portanto, esta revisão propõe a bioacústica das abelhas apenas como potencial sinal contextual complementar para futuros sistemas híbridos de monitoramento de incêndios.