Clima e combustível - dois grandes culpados de incêndios florestais - estão agora na mira de um pesquisador da Universidade de Alberta que espera usar o aprendizado de máquina contra eles.

Aproveitando a inteligência artificial (IA) para classificar e mapear resmas de dados meteorológicos, Mike Flannigan e co-pesquisadores do Serviço Florestal Canadense e da Universidade de Waterloo querem prever melhor onde os incêndios florestais podem irromper e se estabelecer para que as agências de combate a incêndios possam planejar com antecedência.

"Queremos complementar as ferramentas de tomada de decisão existentes para que eles possam tomar as melhores decisões possíveis ao lidar com o fogo para ajudar a proteger as comunidades, "Flannigan disse.

Ao identificar onde os incêndios florestais podem se enraizar, equipes de bombeiros e helicópteros podem ser implantados de forma eficiente, Disse Flannigan. Esse aviso prévio é crucial quando pode levar de três a sete dias para enviar recursos externos para o incêndio, ele notou.

Os gerentes de incêndio seriam capazes de prever o clima severo de incêndio em uma área particular, determine se os recursos necessários estão disponíveis e planeje tê-los em mãos.

"Por exemplo, se estiver molhado em Quebec, tripulações e aviões podem ser enviados para Alberta para lidar com incêndios florestais lá, " ele disse.

Flannigan está explorando o potencial do software de rede neural que processa padrões climáticos e variáveis ​​como temperatura, pressão, umidade e velocidade do vento para criar mapas muito mais detalhados do que os existentes atualmente.

"Pense em um bebê que vê um rosto humano:eles começam a distinguir as orelhas, nariz e olhos, e como eles distinguem mais, eles podem ver ainda mais detalhes, como bigodes e costeletas, "Flannigan disse. As redes neurais funcionam de forma semelhante, para identificar padrões climáticos severos em várias camadas de dados meteorológicos existentes.

"Poderia ser transformado em um mapa que identificasse as áreas vulneráveis ​​e em que horas o tempo de incêndio seria severo, " ele adicionou.

Os pesquisadores também estão interessados ​​em trabalhar com gerentes de incêndio para desenvolver um aplicativo de sensoriamento remoto e mapeamento de dados sobre camadas de combustível na floresta.

“Quando há um incêndio na paisagem, queremos saber em que combustível está queimando, como grama, coníferas e álamo tremedor. As agências de gerenciamento de incêndio têm mapas de combustível, mas costumam ser espacialmente grosseiros e queremos uma resolução muito mais precisa com muito mais detalhes. "

Por meio de sensoriamento remoto, os mapas também podem ser atualizados com mais freqüência. Atualmente, pode demorar 18 a 20 anos antes que uma área que foi mapeada seja avaliada novamente, com muitas mudanças acontecendo no meio, Flannigan notou.

Atualizada, mapas espaciais ricamente detalhados podem dar aos gerentes de incêndio uma melhor noção de como o combustível para o fogo é estruturado vertical e horizontalmente.

"Em um incêndio de alta intensidade, um mapa com este aplicativo pode ajudar a identificar o que chamamos de combustíveis de escada, como arbustos de sub-bosque (plantas que crescem sob a copa das árvores), que permitem que o fogo se espalhe para as copas das árvores, "Flannigan explicou.

"O atual sistema único em uso não nos diz isso; ele só pode fazer suposições sobre o sub-bosque. Mas esse novo tipo de aprendizado de máquina terá informações muito mais detalhadas sobre a estrutura do combustível."

Os aplicativos passarão por estudos piloto nos próximos dois anos para ver se o aprendizado de máquina pode realmente melhorar os métodos tradicionais. Flannigan, que começou a explorar seu potencial com um de seus alunos de graduação em 2016, acredita que pode.

"Não é uma panacéia, mas para certos problemas com grandes volumes de dados para processar, o aprendizado de máquina nos permite ver relacionamentos que nem sempre são óbvios usando métodos e abordagens tradicionais. Acreditamos que as abordagens de aprendizado de máquina para gerenciamento de incêndios florestais são muito promissoras. "