Des chercheurs du laboratoire national d'Oak Ridge ont développé une méthode qui utilise l'apprentissage automatique pour prédire le risque d'incendie saisonnier en Afrique, d'où proviennent la moitié des émissions mondiales de carbone liées aux incendies de forêt.

Leur approche s'appuie sur des données sur les facteurs environnementaux sous-jacents tels que les températures des océans et les changements à la surface des terres, en plus des indicateurs atmosphériques et socioéconomiques plus couramment utilisés. La méthode permet aux scientifiques de mieux comprendre l'importance relative de différentes variables telles que l'humidité du sol et la surface foliaire.

« Nous avons constaté que les dynamiques océaniques et terrestres sont les facteurs les plus critiques influençant la précision de la prévision saisonnière des incendies pour ces écosystèmes vulnérables, " a déclaré Jiafu Mao de l'ORNL. " Des perturbations comme le feu peuvent avoir un impact durable sur les environnements régionaux et le cycle mondial du carbone. "

Le cadre de calcul des scientifiques pourrait être appliqué à d'autres régions ou généralisé pour évaluer le risque d'incendie mondial et éclairer les pratiques de gestion des incendies qui répondent aux préoccupations environnementales et de sécurité.