Los investigadores del Laboratorio Nacional de Oak Ridge desarrollaron un método que utiliza el aprendizaje automático para predecir el riesgo de incendio estacional en África. donde se originan la mitad de las emisiones de carbono relacionadas con los incendios forestales del mundo.

Su enfoque se basa en datos sobre los factores ambientales subyacentes, como las temperaturas del océano y los cambios en la superficie terrestre, además de los indicadores atmosféricos y socioeconómicos más utilizados. El método permite a los científicos obtener una comprensión más profunda de la importancia relativa de diferentes variables como la humedad del suelo y el área foliar.

"Descubrimos que la dinámica oceánica y terrestre son los factores más críticos que influyen en la precisión de la predicción de incendios estacionales para estos ecosistemas vulnerables, ", dijo Jiafu Mao de ORNL." Las perturbaciones como el fuego pueden tener un impacto duradero en los entornos regionales y el ciclo global del carbono ".

El marco computacional de los científicos podría aplicarse a otras regiones o generalizarse para evaluar el riesgo global de incendios e informar las prácticas de manejo de incendios que abordan las preocupaciones ambientales y de seguridad.