O engenheiro mecânico Michael Gollner e seu aluno de pós-graduação, Sriram Bharath Hariharan, da Universidade da Califórnia, Berkeley, recentemente viajou para o John H. Glenn Research Center da NASA em Cleveland, Ohio. Lá, eles jogam objetos em chamas em um poço profundo e estudam como o fogo gira na microgravidade. O Glenn Center hospeda um Centro de Pesquisa de Gravidade Zero, que inclui uma torre suspensa experimental que simula a experiência de estar no espaço.

"Você tem cinco segundos de microgravidade, "disse Gollner. Os pesquisadores acenderam um pequeno pavio de parafina para gerar redemoinhos de fogo e o derrubaram, estudando a chama até o fim.

Experimentos como este, apresentado na 73ª Reunião Anual da Divisão de Dinâmica de Fluidos da American Physical Society, pode ajudar os cientistas do fogo a responder a dois tipos de perguntas. Primeiro, eles iluminam maneiras pelas quais o fogo pode queimar na ausência de gravidade - e podem até informar medidas de proteção para os astronautas. "Se algo está queimando, pode ser uma situação muito perigosa no espaço, "disse Gollner. Em segundo lugar, pode ajudar os pesquisadores a entender melhor o papel da gravidade no crescimento e na propagação de incêndios destrutivos.

O fogo queimava de forma diferente sem gravidade, disse Gollner. A chama era mais curta - e mais larga. "Vimos uma verdadeira desaceleração da combustão, "disse Gollner." Não vimos os mesmos redemoinhos dramáticos que vimos com a gravidade comum.

Outros pesquisadores, incluindo uma equipe do Laboratório Nacional de Los Alamos, no Novo México, introduziu novos desenvolvimentos para um modelo de dinâmica de fluidos computacional que pode incorporar combustíveis de conteúdo de umidade variável. Muitos modelos ambientais existentes calculam a média da umidade de todos os combustíveis em uma área, mas essa abordagem falha em capturar as variações encontradas na natureza, disse o engenheiro químico Alexander Josephson, um pesquisador de pós-doutorado que estuda a previsão de incêndios florestais em Los Alamos. Como resultado, esses modelos podem produzir previsões imprecisas no comportamento do incêndio florestal, ele disse.

"Se você está caminhando pela floresta, você vê madeira aqui e grama ali, e há muita variação, "disse Josephson. Ervas secas, musgos úmidos, e galhos pendentes não têm o mesmo conteúdo de água e queimam de maneiras diferentes. Um incêndio pode estar evaporando a umidade do musgo úmido, por exemplo, ao mesmo tempo, está consumindo membros mais secos. "Queríamos explorar como a interação entre esses combustíveis ocorre à medida que o fogo se espalha."

Cientistas de Los Alamos trabalharam para melhorar seu modelo chamado FIRETEC (desenvolvido por Rod Linn), colaborando com pesquisadores da Universidade de Alberta no Canadá e do Serviço Florestal Canadense. Seus novos desenvolvimentos acomodam variações no teor de umidade e outras características dos tipos de combustível simulados. A pesquisadora Ginny Marshall, do Serviço Florestal Canadense, recentemente começou a comparar suas simulações com dados do mundo real de florestas boreais no norte do Canadá.

Durante uma sessão sobre fluxos de reação, Matthew Bonanni, um estudante de pós-graduação no laboratório do engenheiro Matthias Ihme na Universidade de Stanford, na Califórnia, descreveu um novo modelo de propagação de incêndios florestais com base em uma plataforma de aprendizado de máquina. Prever onde e quando o fogo vai queimar é um processo complexo, diz Ihme, que é impulsionado por uma mistura complexa de influências ambientais.

O objetivo do grupo de Ihme era construir uma ferramenta que fosse precisa e rápida, capaz de ser usado para avaliação de risco, sistemas de alerta precoce, e desenho de estratégias de mitigação. Eles construíram seu modelo em uma plataforma de computador especializada chamada TensorFlow, projetado por pesquisadores do Google para executar aplicativos de aprendizado de máquina. Conforme o modelo treina em mais dados físicos, disse Ihme, suas simulações de acumulação de calor e dinâmica de propagação de fogo melhoram - e ficam mais rápidas.

Ihme disse que está animado para ver o que ferramentas computacionais avançadas trazem para a previsão de incêndios florestais. "Costumava ser uma área de pesquisa muito empírica, com base em observações físicas, e nossa comunidade trabalha em problemas mais fundamentais, "disse ele. Mas adicionar o aprendizado de máquina à caixa de ferramentas, ele disse, mostra como algoritmos podem melhorar a fidelidade dos experimentos. "Este é um caminho realmente emocionante, " ele disse.