Drones Híbridos Detectam, Monitoram e Previnem Incêndios Florestais com Decolagem Vertical

O pesquisador Zhaodan Kong e sua equipe estão desenvolvendo uma aeronave híbrida que pode pousar e decolar verticalmente como um rotorcraft, mas também possui qualidades de asa fixa para cruzeiro em grandes altitudes por horas. (Imagem: UC Davis)

Onde há fumaça, não haverá fogo porque um drone já está no local. Pelo menos essa é a esperança de Zhaodan Kong, professor do Departamento de Engenharia Mecânica e Aeroespacial, e sua equipe na Universidade da Califórnia, Davis.

Solução Proativa para Incêndios Florestais

O grupo trabalha em uma solução proativa para combater os brutais incêndios florestais da Califórnia, pois o método atual leva bombeiros ao local tarde demais. É um sistema integrado de tecnologias para detectar incêndios antes que atinjam ponto de fumaça intensa.

"Nossa solução consiste em duas partes principais: previsão precoce de risco de incêndio e detecção e rastreamento precoce de incêndio", disse Kong. "Focamos em detecção e rastreamento precoce porque acreditamos que detecção precoce frequentemente leva a menor tamanho do incêndio no ataque inicial, maior probabilidade de contenção e prevenção de perda de vidas e propriedades."

Sensores de Solo

A detecção começaria no solo via sensores conectados à internet colocados em áreas de perigo determinadas pelo CalFire. Do tamanho de uma palma e desenvolvidos por Anthony Wexler da UC Davis, os sensores medem temperatura, umidade e velocidade do vento — os ingredientes necessários para um incêndio florestal, segundo Wexler.

Missões de Reconhecimento com Drones Híbridos

Para missões de reconhecimento, a equipe está construindo um rotorcraft equipado com sistemas de navegação, sensores e câmeras. "Completamos nosso design e prototipagem, e estamos no processo de construção e teste. Tem configuração biplano-multirotor", disse Kong.

Modelo de Previsão de Risco

O modelo de previsão de risco de incêndio é construído com base em dados históricos de clima, combustível (vegetação), topografia e incêndios. Tal modelo pode ser treinado usando aprendizado de máquina e implantado em tempo real alimentando informações em tempo real sobre clima (fornecidas pelos sensores de solo), combustível e topografia (dados GIS).

Módulo de Detecção e Rastreamento

Este modelo identifica apenas áreas de alto risco. A equipe então usa seu módulo de detecção e rastreamento para patrulhar e buscar incêndios potenciais. O módulo consiste em um grupo de veículos aéreos não tripulados (UAVs), cada um equipado com múltiplos sensores, incluindo câmeras eletro-ópticas (EO) e infravermelhas (IR), sensores químicos, sensores de vento e câmeras multiespectrais.

Sensores EO/IR/químicos trabalham juntos para detectar fogo de local distante; sensores de vento são necessários pois o vento é um importante driver do fogo e o campo de vento não é uniforme; câmeras multiespectrais fornecem informação de vegetação de alta resolução se necessário, pois dados GIS podem estar desatualizados e normalmente com baixa resolução.

Operação em Grupo

"Um grupo de tais UAVs será implantado pois isso aumentará a eficiência na localização de incêndios potenciais", disse Kong. "Uma vez que fogo e/ou fumaça tenham sido identificados por nossas câmeras EO/IR ou um químico indicativo de incêndio florestal identificado por nossos sensores químicos, o grupo de UAVs mudará para modo de rastreamento. Podem, por exemplo, usar a pluma e sensores a bordo para rastrear até a fonte — funcionando como cães farejadores."

Comparação com Métodos Atuais

Quanto antes este método detectaria um incêndio que os métodos atuais? Depende da localização do ponto de ignição. Kong cita o Dixie Fire de 2021: ignição por volta de 7h; fogo visível da rodovia no final da tarde, gerando múltiplas ligações para 911; caminhões de bombeiros e aviões tanque no local por volta de 17h. Segundo Kong, seu método pode reduzir significativamente o tempo de detecção: "Se um de nossos UAVs estivesse perto da ignição, deveria ter detectado o fogo em minutos, mas precisam estar no lugar certo e na hora certa. Por isso adotamos abordagem proativa para priorizar áreas de alto risco. Não posso dar número específico, mas descobrimos que, em média, sensores químicos detectam fogo antes que câmeras EO/IR."

Testes de Campo

A equipe começou a testar sensores de solo na Reserva Quail Ridge, reserva natural gerenciada pela UC Davis. O objetivo principal é mostrar que sensores baratos sustentam condições adversas em terreno acidentado. Instalaram cinco em novembro passado; um foi danificado por inundação, mas os outros quatro ainda funcionam.

Este artigo foi escrito por Andrew Corselli, Editor de Conteúdo Digital do SAE Media Group. Para mais informações, visite aqui.