Une image satellite de l'Alaska capturée en août 2005 montre l'étendue de la couverture de fumée des incendies de forêt dans les forêts boréales de l'État. Les incendies sont susceptibles de devenir importants dans des conditions exceptionnellement chaudes et sèches et lorsqu'il y a un pourcentage élevé d'épinettes noires dans les zones touchées - des facteurs clés dans un nouveau modèle prédictif développé par les scientifiques de l'UCI. Crédit :NASA
Une équipe interdisciplinaire de scientifiques de l'Université de Californie, Irvine a développé une nouvelle technique pour prédire la taille finale d'un incendie de forêt à partir du moment de l'allumage.
Construit autour d'un algorithme de machine learning, le modèle peut aider à prévoir si un incendie va être petit, moyen ou grand au moment où il a suivi son cours - des connaissances utiles à ceux qui sont chargés d'allouer des ressources rares de lutte contre les incendies. Le travail des chercheurs est souligné dans une étude publiée aujourd'hui dans le Journal international des feux de forêt .
"Une analogie utile est de considérer ce qui rend quelque chose viral dans les médias sociaux, " a déclaré l'auteur principal Shane Coffield, un doctorant UCI en science du système Terre. "Nous pouvons réfléchir aux propriétés d'un tweet ou d'une publication spécifique qui pourraient le faire exploser et devenir vraiment populaire, et comment vous pourriez prédire cela au moment où il est publié ou juste avant sa publication."
Lui et ses collègues ont appliqué cette réflexion à une situation hypothétique dans laquelle des dizaines d'incendies se déclarent simultanément. Cela semble extrême, mais ce scénario est devenu trop courant ces dernières années dans certaines parties de l'ouest des États-Unis, car le changement climatique a entraîné des conditions chaudes et sèches au sol qui peuvent mettre une région à haut risque d'inflammation.
"Seuls quelques-uns de ces incendies vont devenir vraiment importants et représenter la majeure partie de la superficie brûlée, nous avons donc cette nouvelle approche qui se concentre sur l'identification des allumages spécifiques qui présentent le plus grand risque de devenir incontrôlable, " a déclaré Coffield.
L'équipe a utilisé l'Alaska comme zone d'étude pour le projet parce que l'État a été en proie au cours de la dernière décennie par une vague d'incendies simultanés dans ses forêts boréales, menaçant la santé humaine et les écosystèmes vulnérables.
Au cœur du modèle des scientifiques de l'UCI se trouve un algorithme d'« arbre de décision ». En lui fournissant des données climatiques et des détails cruciaux sur les conditions atmosphériques et les types de végétation présents autour du point de départ d'un incendie, les chercheurs pouvaient prédire la taille finale d'un incendie 50 pour cent du temps. Une variable clé est le déficit de pression de vapeur – à quel point il y a peu d'humidité dans la zone – pendant les six premiers jours d'existence d'un incendie. Une deuxième considération majeure pour les forêts de l'Alaska est le pourcentage d'arbres de la variété d'épinette noire.
« Épinette noire, qui dominent en Alaska, avoir ces longs, branches tombantes qui sont conçues - d'un point de vue évolutif - pour évacuer le feu, " a déclaré le co-auteur James Randerson, professeur et titulaire de la chaire Ralph J. &Carol M. Cicerone en science du système terrestre à l'UCI. « Leurs graines sont adaptées pour bien se comporter dans un environnement post-incendie, leur stratégie est donc de tuer tout ce qui les entoure pendant un incendie pour réduire la concurrence pour leur progéniture. »
Il a déclaré que Coffield a pu montrer que la fraction d'épinette noire dans un rayon de 2,5 milles du site d'allumage est un facteur important pour juger de l'ampleur d'un incendie.
Un avantage de cette nouvelle méthode est la vitesse, dit Coffield. L'algorithme « apprend » avec chaque nouveau point de données et peut rapidement déterminer les seuils critiques pour identifier les grands incendies. Il est possible pour les gens de le faire manuellement ou en exécutant des simulations sur chaque allumage différent, il a dit, mais l'approche statistique du système d'apprentissage automatique est "vraiment beaucoup plus rapide et plus efficace, surtout pour considérer plusieurs incendies simultanément."
Face à un bond induit par le changement climatique du nombre de feux de forêt attendus chaque saison, Etat, les autorités nationales et locales de lutte contre les incendies pourraient bénéficier de certains outils et techniques mis à jour, a noté Randerson. En plus de sauver potentiellement des vies et de protéger les biens et les infrastructures cruciales, les efforts de suppression des incendies deviendront également de plus en plus importants dans la préservation du monde naturel.
"Dans des endroits comme l'Alaska, il est nécessaire de limiter la zone touchée par le feu, parce que si nous continuons à avoir ces inhabituels, années de grand feu, plus de carbone sera perdu du paysage, aggraver le réchauffement, " a déclaré Randerson. " Si nous laissons les feux s'éloigner, nous pourrions être dans une situation où il y a beaucoup de dommages importants à la fois au système climatique et aux écosystèmes. »