Риск лесных пожаров растет по мере того, как ученые определяют условия, вызывающие возгорания

Исследователи из Тихоокеанской северо-западной национальной лаборатории Министерства энергетики США изучают, насколько интенсивно горят пожары, которые все чаще возникают на западе страны. Их работа, основанная на методах машинного обучения для классификации пожаров по предшествующим условиям, не только показывает рост пожарной опасности, но и раскрывает роль влажности в ее оценке.

На виртуальном осеннем собрании Американского геофизического союза 1 декабря 2020 года атмосферные ученые Руби Леунг и Сяодун Чэнь представили исследование многолетних записей о пожарах и новых симуляций прошлых климатических условий. Это позволило выявить переменные, ведущие к возгораниям. Удивительно, но умеренная влажность воздуха — недостаточная для осадков — может повысить вероятность молний, способных поджечь сухие луга или обезвоженные деревья. Например, комплекс пожаров CZU Lightning Complex в Санта-Круз, Калифорния, был вызван молнией 16 августа 2020 года и уничтожил почти 1500 строений.

Исследователи использовали машинное обучение для классификации пожаров по «типам», выделив категории, такие как пожары при влажной почве или в пасмурные дни, а также наиболее быстро растущий тип — пожары в теплые, сухие и солнечные дни. Эти «составные» пожары, названные так из-за множества способствующих факторов, возникают чаще других. По словам Леунг, потепление климата, вероятно, усугубит эту тенденцию, отчасти из-за роста температуры и уменьшения влажности почвы, так как таяние снега начинается раньше весной.

Почти все типы пожаров, включая пожары в пасмурные дни, происходят чаще. Исключение — «влажные» пожары при высоком уровне влажности почвы, частота которых снижается из-за общей тенденции к иссушению на западе США. Команда планирует спрогнозировать пожарный риск до 2070 года, показав его изменение при разных климатических сценариях, и изучить роль снежного покрова и сезонности осадков. Эта работа, выполненная в рамках проекта DOE HyperFACETS, поможет улучшить прогнозирование и подготовку к будущим пожарным сезонам.