science >> Wetenschap >  >> Natuur

Machine learning-model kan de effectiviteit van beheerstrategieën voor natuurbrandpreventie evalueren

Satellietfoto van Borneo in 2006 bedekt met rook van branden (gemarkeerd met rode stippen). Krediet:Jeff Schmaltz, MODIS Rapid Response Team / NASA

Bosbranden vormen een groeiende bedreiging in een wereld die wordt gevormd door klimaatverandering. Nu hebben onderzoekers van Aalto University een neuraal netwerkmodel ontwikkeld dat het optreden van branden in veengebieden nauwkeurig kan voorspellen. Ze gebruikten het nieuwe model om het effect van verschillende strategieën voor het beheer van brandrisico's te beoordelen en identificeerden een reeks interventies die de brandincidentie met 50-76% zouden verminderen.

Het onderzoek richtte zich op de Centraal-Kalimantan-provincie Borneo in Indonesië, met de hoogste dichtheid van veenbranden in Zuidoost-Azië. Afwatering ter ondersteuning van landbouw of woninguitbreiding heeft veengebieden steeds kwetsbaarder gemaakt voor terugkerende branden. Naast het bedreigen van levens en middelen van bestaan, brengen veenbranden aanzienlijke hoeveelheden koolstofdioxide vrij. Preventiestrategieën hebben echter problemen ondervonden vanwege het ontbreken van duidelijke, gekwantificeerde verbanden tussen voorgestelde interventies en brandrisico.

Het nieuwe model gebruikt metingen die vóór elk brandseizoen in 2002-2019 zijn gedaan om de verspreiding van veenbranden te voorspellen. Hoewel de bevindingen breed kunnen worden toegepast op veengebieden elders, zou een nieuwe analyse voor andere contexten moeten worden gedaan. "Onze methodologie zou voor andere contexten kunnen worden gebruikt, maar dit specifieke model zou opnieuw moeten worden getraind op de nieuwe gegevens", zegt Alexander Horton, de postdoctoraal onderzoeker die de studie heeft uitgevoerd.

De onderzoekers gebruikten een convolutioneel neuraal netwerk om 31 variabelen te analyseren, zoals het type landbedekking en pre-fire-indices van vegetatie en droogte. Eenmaal getraind, voorspelde het netwerk de kans op een veenbrand op elke plek op de kaart, wat een verwachte verspreiding van branden voor het jaar opleverde.

Over het algemeen waren de voorspellingen van het neurale netwerk 80-95% van de tijd correct. Hoewel het model meestal gelijk had in het voorspellen van een brand, miste het ook veel branden die daadwerkelijk plaatsvonden. Ongeveer de helft van de waargenomen branden werd niet voorspeld door het model, waardoor het niet geschikt is als voorspellingssysteem voor vroegtijdige waarschuwing. Grotere brandgroepen werden meestal goed voorspeld, terwijl geïsoleerde branden vaak door het netwerk werden gemist. Met verder werk hopen de onderzoekers de prestaties van het netwerk te verbeteren, zodat het ook kan dienen als een systeem voor vroegtijdige waarschuwing.

Het team profiteerde van het feit dat brandvoorspellingen meestal correct waren om het effect van verschillende landbeheerstrategieën te testen. Door verschillende interventies te simuleren, ontdekten ze dat de meest effectieve plausibele strategie zou zijn om struikgewas en kreupelhout om te zetten in moerasbossen, wat de brandincidentie met 50% zou verminderen. Als dit gecombineerd zou worden met het blokkeren van alle afwateringskanalen, behalve de grote, zouden branden in totaal met 70% afnemen.

Een dergelijke strategie zou echter duidelijke economische nadelen hebben. "De lokale gemeenschap heeft dringend behoefte aan langdurige, stabiele teelt om de lokale economie te stimuleren", zegt Horton.

Een alternatieve strategie zou zijn om meer plantages aan te leggen, aangezien goed beheer de kans op brand drastisch vermindert. De plantages zijn echter een van de belangrijkste oorzaken van bosverlies, en Horton wijst erop dat 'de plantages meestal eigendom zijn van grotere bedrijven, vaak buiten Borneo gevestigd, wat betekent dat de winst niet rechtstreeks wordt teruggegeven aan de lokale economie, behalve door het verstrekken van arbeid voor de lokale arbeidskrachten."

Uiteindelijk moeten brandpreventiestrategieën de risico's, voordelen en kosten in evenwicht houden, en dit onderzoek biedt de informatie om dat te doen, legt professor Matti Kummu uit, die het onderzoeksteam leidde. "We hebben geprobeerd te kwantificeren hoe de verschillende strategieën zouden werken. Het gaat meer om het informeren van beleidsmakers dan om directe oplossingen."

De bevindingen zijn gepubliceerd in Communications Earth &Environment . + Verder verkennen

Inspanningen om Indonesische veengebieden te herstellen kunnen miljarden aan natuurbrandkosten besparen