Модель машинного обучения может оценивать эффективность стратегий управления для предотвращения лесных пожаров

Прочитано: 268 раз(а)


Лесные пожары представляют собой растущую угрозу в мире, сформированном изменением климата. Теперь исследователи из Университета Аалто разработали модель нейронной сети, которая может точно предсказывать возникновение пожаров на торфяниках. Они использовали новую модель для оценки влияния различных стратегий управления рисками пожаров и определили набор мер, которые снизят количество пожаров на 50–76%.

Исследование было сосредоточено на провинции Центральный Калимантан на острове Борнео в Индонезии, где наблюдается самая высокая плотность торфяных пожаров в Юго-Восточной Азии. Осушение для поддержки сельского хозяйства или расширения жилых домов сделало торфяники все более уязвимыми для повторяющихся пожаров. Помимо угрозы жизни и средствам к существованию, пожары на торфяниках выделяют значительное количество углекислого газа. Однако стратегии предотвращения столкнулись с трудностями из-за отсутствия четких количественных связей между предлагаемыми вмешательствами и риском возникновения пожара.

В новой модели используются измерения, проведенные перед каждым сезоном пожаров в 2002–2019 гг., для прогнозирования распространения пожаров на торфяниках. Хотя результаты могут быть широко применены к торфяникам в других местах, для других контекстов необходимо провести новый анализ. «Наша методология может быть использована для других контекстов, но эту конкретную модель нужно будет переобучить на новых данных», — говорит Александр Хортон, научный сотрудник, проводивший исследование.

Исследователи использовали сверточную нейронную сеть для анализа 31 переменной, такой как тип земного покрова и допожарные индексы растительности и засухи. После обучения сеть предсказала вероятность пожара на торфянике в каждой точке на карте, получив ожидаемое распределение пожаров в течение года.

В целом предсказания нейронной сети были верны в 80–95% случаев. Однако, хотя модель обычно правильно предсказывала возгорание, она также пропускала многие возгорания, которые действительно произошли. Около половины наблюдаемых пожаров не были предсказаны моделью, а это означает, что она не подходит в качестве системы прогнозирования раннего предупреждения. Большие группы пожаров, как правило, хорошо предсказывались, в то время как отдельные пожары часто пропускались сетью. В ходе дальнейшей работы исследователи надеются улучшить производительность сети, чтобы она также могла служить системой раннего предупреждения.

Команда воспользовалась тем фактом, что прогнозы пожаров обычно были точными, чтобы проверить влияние различных стратегий землепользования. Смоделировав различные вмешательства, они обнаружили, что наиболее эффективной вероятной стратегией было бы преобразование кустарников и кустарников в болотные леса, что уменьшило бы количество пожаров на 50%. Если бы это сочеталось с блокированием всех водоотводных каналов, кроме крупных, то общее количество пожаров уменьшилось бы на 70%.

Однако такая стратегия будет иметь явные экономические недостатки. « Местное сообщество отчаянно нуждается в долгосрочном и стабильном выращивании для стимулирования местной экономики », — говорит Хортон.

Альтернативной стратегией было бы создание большего количества плантаций , поскольку хорошо управляемые резко снижают вероятность возгорания. Тем не менее, плантации являются одним из ключевых факторов потери лесов, и Хортон указывает, что «плантации в основном принадлежат более крупным корпорациям, часто базирующимся за пределами Борнео, что означает, что прибыль не возвращается напрямую в местную экономику, кроме предоставления труда для местной рабочей силы».

В конечном счете, стратегии предотвращения пожаров должны уравновешивать риски, выгоды и затраты, и это исследование предоставляет информацию для этого, объясняет профессор Матти Кумму, возглавлявший исследовательскую группу. «Мы попытались количественно оценить, как будут работать различные стратегии. Это больше касается информирования политиков, чем предоставления прямых решений».

Результаты были опубликованы в журнале Communications Earth & Environment.

Модель машинного обучения может оценивать эффективность стратегий управления для предотвращения лесных пожаров



Новости партнеров