Команда использует машинное обучение для прогнозирования неконтролируемых лесных пожаров

Междисциплинарная группа ученых из Калифорнийского университета в Ирвайне разработала новую методику прогнозирования конечной площади лесного пожара с момента его возникновения. Модель, построенная на алгоритме машинного обучения, способна спрогнозировать, будет ли пожар к моменту его завершения небольшим, средним или крупным. Это знание полезно для лиц, ответственных за распределение ограниченных ресурсов пожаротушения. Исследование опубликовано в журнале International Journal of Wildland Fire.

Эта работа особенно актуальна в условиях изменения климата, приводящего к жарким и сухим условиям, которые повышают риск возгораний в таких регионах, как запад США. Новая методика фокусируется на выявлении именно тех очагов, которые представляют наибольший риск выхода из-под контроля, что критически важно при одновременном возникновении десятков пожаров. В качестве модельного региона для проекта ученые выбрали Аляску, где за последнее десятилетие участились одновременные пожары в бореальных лесах.

Ключевыми переменными в модели, предсказывающей итоговый размер пожара с точностью 50%, являются дефицит давления водяного пара (показатель сухости) в первые шесть дней и доля деревьев черной ели в радиусе 4 км от точки возгорания. «Их семена адаптированы к послепожарной среде, поэтому их стратегия — уничтожить все вокруг во время пожара, чтобы снизить конкуренцию для своего потомства», — пояснил соавтор Джеймс Рэндерсон. Преимущество метода — скорость: алгоритм быстро находит критические пороги для идентификации крупных пожаров, что эффективнее ручного анализа, особенно при множественных возгораниях.