Pesquisadores do Laboratório Nacional de Oak Ridge desenvolveram um método que usa aprendizado de máquina para prever o risco de incêndio sazonal na África, onde se originam metade das emissões de carbono relacionadas ao incêndio florestal no mundo.

Sua abordagem baseia-se em dados sobre fatores ambientais subjacentes, como temperaturas do oceano e mudanças na superfície da terra, além de indicadores atmosféricos e socioeconômicos mais comumente usados. O método permite que os cientistas obtenham uma compreensão mais profunda da importância relativa de diferentes variáveis, como umidade do solo e área foliar.

"Descobrimos que a dinâmica oceânica e terrestre são os fatores mais críticos que influenciam a precisão da previsão sazonal de incêndios para esses ecossistemas vulneráveis, "disse Jiafu Mao do ORNL." Perturbações como o fogo podem ter um impacto duradouro nos ambientes regionais e no ciclo global do carbono. "

A estrutura computacional dos cientistas pode ser aplicada a outras regiões ou generalizada para avaliar o risco global de incêndio e informar as práticas de gerenciamento de incêndio que tratam de questões ambientais e de segurança.