Моделирование лесных пожаров помогает прогнозировать возгорания в Колумбии

Новая модель лесных пожаров помогает прогнозировать, где и когда начнутся возгорания в долине Абурра в Колумбии. Это исследование, представленное на осенней встрече Американского геофизического союза 2019 года в Сан-Франциско, помогает местным городам избегать разрушительных экологических и медицинских последствий пожаров.

Новая модель служит точкой опоры для оперативных действий. По словам исследователей, пожарные службы Колумбии уже используют её для выявления и мониторинга уязвимых районов в течение сухого сезона и распределения ресурсов при возникновении пожаров.

Модель генерирует ежечасные отчёты о районах с высокой вероятностью возгораний, используя данные о земном покрове, влажности почвы, осадках и температуре. Переменные, такие как земной покров, остаются довольно статичными, но факторы вроде осадков и температуры меняются ежедневно. Исследователи используют модель для отправки актуальной информации пожарным службам региона. Результаты показывают, что районы, окружающие крупные города, часто имеют «высокую» вероятность пожаров в сухой сезон, так как возгорания часто являются результатом намеренной расчистки земель по мере расширения городов.

Модель впервые была использована в 2017 году и доказала свою полезность. Команда также использует её результаты в проекте с участием гражданских учёных для мониторинга качества воздуха в долине. SIATA (команда региональных специалистов) помогла разработать недорогие датчики качества воздуха, которые были распределены среди 250 участников. Во время пожара в 2017 году эти датчики зафиксировали всплеск содержания мелких частиц, опасных для лёгких, и отследили направление ветра.

«Мы — действительно система раннего предупреждения», — сказал Николас Веласкес, аспирант Университета Айовы, участвовавший в проекте. Исследователи также развернули сеть камер в районах высокого риска и используют дроны для оценки условий на месте пожара. По словам учёных, в условиях изменения климата эта модель, хотя ей всего два года, станет ценным базовым инструментом для долгосрочного мониторинга в будущем.