Een interdisciplinair team van wetenschappers aan de Universiteit van Californië, Irvine heeft een nieuwe techniek ontwikkeld om de uiteindelijke grootte van een natuurbrand te voorspellen vanaf het moment van ontsteking.

Gebouwd rond een machine learning-algoritme, het model kan helpen bij het voorspellen of een brand klein zal zijn, middelgroot of groot tegen de tijd dat het zijn beloop heeft gehad - kennis die nuttig is voor degenen die verantwoordelijk zijn voor het toewijzen van schaarse brandbestrijdingsmiddelen. Het werk van de onderzoekers wordt benadrukt in een studie die vandaag is gepubliceerd in de International Journal of Wildland Fire .

"Een bruikbare analogie is om na te gaan waarom iets viraal gaat op sociale media, " zei hoofdauteur Shane Coffield, een UCI-doctoraatsstudent in aardsysteemwetenschap. "We kunnen nadenken over welke eigenschappen van een specifieke tweet of post ervoor kunnen zorgen dat deze opblaast en echt populair wordt - en hoe je dat zou kunnen voorspellen op het moment dat deze wordt gepost of vlak voordat deze wordt gepost."

Hij en zijn collega's pasten die gedachte toe op een hypothetische situatie waarin tientallen branden tegelijk uitbreken. Het klinkt extreem, maar dit scenario is de afgelopen jaren maar al te gewoon geworden in delen van het westen van de Verenigde Staten, aangezien klimaatverandering heeft geleid tot hete en droge omstandigheden op de grond die een regio met een hoog risico op ontsteking kunnen brengen.

"Slechts een paar van die branden zullen echt groot worden en het grootste deel van het verbrande gebied uitmaken, dus we hebben deze nieuwe aanpak die gericht is op het identificeren van specifieke ontstekingen die het grootste risico vormen om uit de hand te lopen, ' zei Cofffield.

Het team gebruikte Alaska als studiegebied voor het project omdat de staat het afgelopen decennium werd geteisterd door een uitbarsting van gelijktijdige branden in de boreale bossen, een bedreiging vormen voor de menselijke gezondheid en kwetsbare ecosystemen.

De kern van het UCI-wetenschappersmodel is een "beslissingsboom" -algoritme. Door klimaatgegevens en cruciale details over atmosferische omstandigheden en de soorten vegetatie die aanwezig zijn rond het beginpunt van een brand te voeden, de onderzoekers konden de uiteindelijke grootte van een brand in 50 procent van de gevallen voorspellen. Een belangrijke variabele is het dampdrukdeficit - hoe weinig vocht er in de ruimte is - gedurende de eerste zes dagen dat een brand bestaat. Een tweede belangrijke overweging voor bossen in Alaska is het percentage bomen van de zwarte sparrenvariëteit.

"Zwarte spar, die dominant zijn in Alaska, heb deze lang, hangende takken die zijn ontworpen - vanuit een evolutionair perspectief - om vuur aan te wakkeren, " zei co-auteur James Randerson, professor en Ralph J. &Carol M. Cicerone leerstoel in Earth System Science aan de UCI. "Hun zaden zijn aangepast om het goed te doen in een omgeving na een brand, dus hun strategie is om al het andere om hen heen te doden tijdens een brand om de concurrentie voor hun nakomelingen te verminderen."

Hij zei dat Coffield kon aantonen dat de fractie zwarte spar binnen een straal van 2,5 mijl van de plaats van ontsteking een belangrijke factor is bij het beoordelen van hoe groot een brand zal worden.

Een voordeel van deze nieuwe methode is snelheid, zei Cofffield. Het algoritme "leert" bij elk nieuw datapunt en kan snel de kritische drempels bepalen voor het identificeren van grote branden. Het is mogelijk voor mensen om dit handmatig te doen of door simulaties uit te voeren op elke verschillende ontsteking, hij zei, maar de statistische benadering van het machine learning-systeem is "echt veel sneller en efficiënter, vooral voor het overwegen van meerdere branden tegelijk."

Geconfronteerd met een door klimaatverandering veroorzaakte sprong in het aantal verwachte bosbranden per seizoen, staat, provinciale en lokale brandbestrijdingsautoriteiten zouden kunnen profiteren van een aantal bijgewerkte tools en technieken, merkte Randerson op. Naast het mogelijk redden van levens en het beschermen van eigendom en cruciale infrastructuur, brandbestrijdingsinspanningen zullen ook steeds belangrijker worden voor het behoud van de natuurlijke wereld.

"In plaatsen als Alaska, er is een noodzaak om het door brand getroffen gebied te beperken, want als we deze ongewone blijven hebben, hoog vuur jaren, er gaat meer koolstof verloren uit het landschap, opwarming verergeren, "Zei Randerson. "Als we de vuren laten wegrennen, we kunnen ons in een situatie bevinden waarin er veel aanzienlijke schade is aan zowel het klimaatsysteem als de ecosystemen."