I ricercatori dell'Oak Ridge National Laboratory hanno sviluppato un metodo che utilizza l'apprendimento automatico per prevedere il rischio di incendi stagionali in Africa, dove ha origine la metà delle emissioni mondiali di carbonio legate agli incendi.

Il loro approccio si basa su dati sui fattori ambientali sottostanti come le temperature oceaniche e i cambiamenti della superficie terrestre, oltre agli indicatori atmosferici e socioeconomici più comunemente usati. Il metodo consente agli scienziati di acquisire una comprensione più profonda dell'importanza relativa di diverse variabili come l'umidità del suolo e l'area fogliare.

"Abbiamo scoperto che le dinamiche oceaniche e terrestri sono i fattori più critici che influenzano l'accuratezza della previsione stagionale degli incendi per questi ecosistemi vulnerabili, ", ha affermato Jiafu Mao dell'ORNL. "Disturbi come il fuoco possono avere un impatto duraturo sugli ambienti regionali e sul ciclo globale del carbonio".

Il quadro computazionale degli scienziati potrebbe essere applicato ad altre regioni o generalizzato per valutare il rischio globale di incendio e informare le pratiche di gestione degli incendi che affrontano i problemi ambientali e di sicurezza.