Skip to content
Snippets Groups Projects
Forked from Hackathon BELLA / plantillaJupyterBook
24 commits ahead of the upstream repository.
David Akim's avatar
David Akim authored
- /docs/images/cyted1.png
- /docs/images/upload.png
- /docs/sesion01/milab.md
- /docs/intro.md
- /_config.yml
- /_toc.yml
- /markdown-notebooks.md
- /markdown.md
- /logo.png
- /LICENSE
06ecaf0e

BELLA Ideathon: Desafío de Innovación de Copérnico

Descripción del problema

Los incendios forestales se han duplicado en todo el mundo en los últimos 20 años, y los incendios devoran el equivalente a 16 campos de fútbol por minuto, según un estudio conjunto de la Universidad de Maryland en Estados Unidos, Global Forest Watch (GFW) y el World Resources Institute.

En Argentina, nos enfrentamos a uno de los problemas ambientales más devastadores. Según datos recabados por el Cuerpo Nacional de Bomberos Servicio de Gestión e INTA, los incendios forestales han arrasado hasta el momento más de 700.000 hectáreas en distintas provincias del país en 2022.

La gente pierde sus hogares, tierras, trabajos y oxígeno. Incluso si el fuego ha terminado, los incendios forestales dejan enfermedades y epidemias en la vida silvestre, afectando la fotosíntesis, lo que es muy perjudicial para nuestro planeta.

Solución

Desarrollar una tecnología accesible a los ciudadanos, que utiliza inteligencia artificial (IA) para interpretar y procesar datos complejos y presentar la información que es comprensible para los humanos.

Este proyecto predice las posibilidades de que se inicie un incendio. Utiliza los siguientes parámetros: 0m u component of wind, 10m v component fo wind, 2m temperature, leaf area index high vegetation, leaf area index low vegetation y total precipitation de Datos por hora ERA5. Los datos de los índices de peligro de incendios se obtuvieron del Servicio de Gestión de Emergencias de Copernicus.

Miembros del equipo

  • David Akim
  • Tomas Emanuel Schattmann
  • Aldana Tedesco

Requisitos de instalación

En la terminal ejecuta los siguientes comandos:

  • pip install cdsapi
  • pip install numpy
  • pip install netCDF4
  • pip install torch
  • pip install skorch
  • pip install pandas

Orden para ejecutar cuadernos

  1. 0_download_data.ipynb
  2. 1_prepare_data.ipynb
  3. 2_norm_consts.ipynb
  4. 3_train_model.ipynb