Correio Braziliense, n. 22704, 19/05/2025. Tecnologia & Inovação, p. 12

IA na prevenção de incêndios
Rafaela Bomfim


A crescente ameaça dos incêndios florestais tem levado cientistas e especialistas à busca de métodos mais eficazes para prever esses eventos devastadores cujas frequência e intensidade aumentam devido às mudanças climáticas. Um avanço na área é o novo modelo de previsão baseado em dados de alta qualidade e aprendizado de máquina (ML), que promete transformar a forma como identificar áreas de maior risco. O estudo, desenvolvido pelo ECMWF (Centro Europeu de Previsões Meteorológicas de Médio Prazo), está publicado na revista Nature Communications, que detalha como a coleta e a integração de dados somados ao uso de técnicas avançadas de aprendizado de máquina podem aprimorar significativamente a precisão das previsões de incêndios.

Diferentemente do sistema tradicional, que se baseia em fatores como temperatura, vento e umidade, para indicar o risco de incêndios, o novo modelo Probabilidade de Incêndio (PoF) adota uma abordagem mais completa. Utilizando inteligência artificial (IA) e técnicas avançadas de aprendizado de máquina que cruza uma variedade de dados — desde o tipo e a condição da vegetação até a presença de atividades humanas, como estradas e construções, além de registros anteriores de queimadas. A principal vantagem é que as equipes de emergência ganham tempo e clareza para a a definição de estratégia, reduzindo desperdício de recursos e, principalmente, protegendo comunidades e o meio ambiente.

Os sistemas tradicionais, muitas vezes, falham em identificar áreas com risco de ignição devido à sua falta de especificidade. Por exemplo, em eventos como o incêndio que devastou Los Angeles em 2024, os modelos convencionais indicaram vastas áreas como inflamáveis, sem apontar com precisão os pontos exatos de risco. O novo modelo, por outro lado, leva em consideração uma gama mais ampla de fatores, incluindo a densidade de estradas e a abundância de vegetação seca, resultando em previsões mais localizadas e detalhadas.

Múltiplos parâmetros

Francesca Di Giuseppe, autora principal do estudo, explicou que a incorporação de múltiplos parâmetros, além das condições climáticas, é fundamental para melhorar a acuracidade das previsões. "Nosso novo modelo de Probabilidade de Incêndio incorpora múltiplas fontes de dados além do clima para refinar as previsões. Um algoritmo de aprendizado de máquina, adota uma abordagem mais holística. Os índices tradicionais de perigo de incêndio baseados no clima muitas vezes falham em identificar áreas em risco de ignição com especificidade suficiente. É aqui que o ML pode ajudar."

Ao combinar essas informações, o modelo é capaz de fornecer uma visão mais precisa do risco de incêndio, ajudando na tomada de decisões e na gestão de recursos durante períodos de alta ameaça. O estudo também ressaltou a importância de se considerar dados sobre a disponibilidade de combustível, como a umidade da vegetação, que têm grande impacto na propagação do fogo. A capacidade de capturar essas informações melhora em até 30% a precisão das previsões, em comparação com modelos que apenas consideram o clima. O ECMWF, com sua experiência em previsão climática e dados do Copernicus Atmospheric Monitoring Service (CAMS), conseguiu integrar esses dados são fundamentais, criando uma estrutura que extrai informações sobre combustíveis que, de outra forma, seriam difíceis de obter.

Florence Rabier, diretora-geral do ECMWF, destacou a importância dessa inovação no contexto dos incêndios devastadores que ocorreram nos últimos anos, como os que atingiram Portugal, Grécia e Canadá. "A nova ferramenta Probability of Fire se beneficiou da experiência do ECMWF em IA e ML para previsões meteorológicas de médio prazo (3 a 15 dias), e os especialistas envolvidos fizeram avanços significativos na previsão de incêndio usando métodos semelhantes baseados em dados."

A previsão de incêndio seja um assunto desafiador, pois a ignição continua sendo um processo imprevisível, as agências responsáveis por fornecer informações, como o Joint Research Centre da Comissão Europeia, agora têm acesso a ferramentas aprimoradas para ajudar a proteger melhor vidas, meios de subsistência e ecossistemas. Um exemplo claro da utilidade desse modelo de previsão é a recente previsão do risco de incêndio em Los Angeles para janeiro de 2025. O PoF foi capaz de fornecer uma avaliação muito mais precisa do perigo em áreas específicas, superando o tradicional Fire Weather Index, que falhou em capturar a dinâmica complexa do risco de incêndio.

Esse tipo de abordagem é essencial para enfrentar os desafios impostos pelas mudanças climáticas e pela urbanização crescente, que frequentemente coloca áreas densamente habitadas na interface entre o urbano e o selvagem, uma zona de alto risco durante os incêndios.