Esta pesquisa tem como objetivo entender os diferentes usos do fogo na gestão, por meio das queimas prescrita, controlada e de combate, cruzadas com os dados do Painel de Fogo do CENSIPAM no ano de 2023. Foram aplicadas técnicas de aprendizado de máquina para realizar previsões. Foi possível gerar insights sobre os impactos do uso do fogo nas Unidades Federativas (UFs). O modelo Random Forest apresentou a maior acurácia global (76%). As queimas de combate e prescrita tiveram maior precisão (0,90% e 0,69%, respectivamente). As curvas ROC e os valores AUC indicaram boa capacidade de distinção entre essas classes (0,84 e 0,79), enquanto a queima controlada apresentou menor capacidade de generalização. Os valores de Shapley Additive Explanations (SHAP) destacaram as variáveis biomassa e áreas sem fiscalização como fatores que contribuem para a modelagem da tipificação de ocorrências de queimadas.