Модель машинного обучения может оценить эффективность стратегий предотвращения лесных пожаров

Исследователи из Университета Аалто разработали модель на основе нейронной сети, которая способна с высокой точностью прогнозировать возникновение пожаров на торфяниках. С помощью этой модели они оценили влияние различных стратегий управления пожарным риском и определили комплекс мер, который может снизить частоту возгораний 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 земель для сельского хозяйства или жилой застройки сделало торфяники уязвимыми для повторяющихся пожаров, которые угрожают жизням людей и высвобождают огромное количество CO₂. Однако разработка стратегий профилактики затруднена из-за отсутствия четких количественных связей между предлагаемыми мерами и пожарным риском.

Модель использует данные, собранные перед каждым пожароопасным сезоном с 2002 по 2019 год, для прогнозирования распределения пожаров. Сверточная нейронная сеть анализировала 31 переменную, включая тип земного покрова и довоенные индексы растительности и засухи. Общая точность прогнозов модели составила 80–95%, хотя она пропускала около половины реальных пожаров, особенно изолированных, поэтому пока не подходит для системы раннего предупреждения.

Моделирование различных вмешательств показало, что наиболее эффективной реалистичной стратегией является преобразование кустарниковых земель и пустошей в болотные леса, что снизит частоту пожаров на 50%. В сочетании с блокировкой всех дренажных каналов, кроме основных, пожары уменьшатся на 70%. Альтернативой является создание плантаций, которые при хорошем управлении резко снижают риск возгораний, но ведут к потере лесов и не всегда приносят пользу местной экономике.

«Мы попытались количественно оценить, как будут работать разные стратегии. Речь скорее об информировании политиков, чем о предоставлении прямых решений», — объясняет профессор Матти Кумму, руководивший исследованием. Результаты работы опубликованы в журнале Communications Earth & Environment.