Ejemplos de sequía forestal que avanzó en los estados occidentales en 2019. Crédito:Krishna Rao
Mientras California y el oeste de Estados Unidos se dirigen a la temporada de incendios en medio de la pandemia de coronavirus, Los científicos están aprovechando la inteligencia artificial y los nuevos datos satelitales para ayudar a predecir incendios en la región.
Anticipar dónde es probable que se encienda un incendio y cómo podría propagarse requiere información sobre la cantidad de material vegetal que se puede quemar en el paisaje y su sequedad. Sin embargo, esta información es sorprendentemente difícil de recopilar a la escala y velocidad necesarias para ayudar en el manejo de incendios forestales.
Ahora, un equipo de expertos en hidrología, La teledetección y la ingeniería ambiental han desarrollado un modelo de aprendizaje profundo que mapea los niveles de humedad del combustible con gran detalle en 12 estados del oeste. de Colorado, Montana, Texas y Wyoming hasta la costa del Pacífico.
Los investigadores describen su técnica en la edición de agosto de 2020 de Remote Sensing of Environment. Según el autor principal del artículo, La ecohidróloga de la Universidad de Stanford, Alexandra Konings, el nuevo conjunto de datos producido por el modelo podría "mejorar enormemente los estudios de incendios".
Según el autor principal del artículo, Krishna Rao, un doctorado estudiante de ciencias del sistema terrestre en Stanford, el modelo necesita más pruebas para figurar en las decisiones de manejo de incendios que arriesgan vidas y hogares. Pero ya está iluminando patrones previamente invisibles. Solo poder ver cómo la sequedad del bosque se desarrolla píxel a píxel a lo largo del tiempo, él dijo, puede ayudar a revelar áreas de mayor riesgo y "trazar ubicaciones candidatas para quemaduras prescritas".
El trabajo llega en un momento de creciente urgencia para este tipo de conocimiento, a medida que el cambio climático extiende e intensifica la temporada de incendios forestales, y a medida que la pandemia de COVID-19 en curso complica los esfuerzos para prevenir grandes incendios mediante quemaduras controladas, prepárese para evacuaciones masivas y movilice a los socorristas.
El humo del Cedar Fire de 2016 se eleva por encima de los árboles en el Bosque Nacional Sequoia. Crédito:Lance Cheung / USDA
Leer sobre paisajes áridos
Hoy en día, las agencias de bomberos suelen medir la cantidad de Vegetación inflamable en un área basada en muestras de una pequeña cantidad de árboles. Los investigadores cortan y pesan ramas de árboles, secarlos en un horno y luego pesarlos nuevamente. "Mire cuánta masa se perdió en el horno, y esa es toda el agua que había ahí, "dijo Konings, profesor asistente de ciencia del sistema terrestre en la Escuela de la Tierra de Stanford, Energía y Ciencias Ambientales (Stanford Earth). "Eso es obviamente muy laborioso, y solo puedes hacer eso en un par de lugares diferentes, sólo para algunas de las especies de un paisaje ".
El Servicio Forestal de EE. UU. Recopila minuciosamente los datos del contenido de agua de esta planta en cientos de sitios en todo el país y los agrega a la Base de datos nacional de humedad del combustible. que ha acumulado unos 200, 000 mediciones de este tipo desde la década de 1970. Conocido como contenido de humedad de combustible vivo, la métrica está bien establecida como un factor que influye en el riesgo de incendios forestales. Sin embargo, se sabe poco sobre cómo varía con el tiempo de una planta a otra, o de un ecosistema a otro.
Por décadas, los científicos han estimado el contenido de humedad del combustible indirectamente, a partir de conjeturas informadas pero no comprobadas sobre las relaciones entre la temperatura, precipitación, el agua en las plantas muertas y la sequedad de las vivas. Según Rao, "Ahora, estamos en una posición en la que podemos volver atrás y probar lo que hemos estado asumiendo durante tanto tiempo, el vínculo entre el clima y la humedad del combustible vivo, en diferentes ecosistemas del oeste de los Estados Unidos ".
Los mapas muestran la cantidad de agua en las plantas en relación con la biomasa seca en todo el oeste de Estados Unidos. Crédito:Krishna Rao
IA con ayuda humana
El nuevo modelo usa lo que se llama una red neuronal recurrente, un sistema de inteligencia artificial que puede aprender a reconocer patrones en vastas montañas de datos. Los científicos entrenaron su modelo utilizando datos de campo de la base de datos nacional de humedad del combustible, luego, póngalo a trabajar para estimar la humedad del combustible a partir de dos tipos de mediciones recopiladas por sensores espaciales. Uno implica mediciones de la luz visible que rebota en la Tierra. El otro, conocido como radar de apertura sintética (SAR), mide el retorno de las señales de radar de microondas, que puede penetrar a través de ramas frondosas hasta la superficie del suelo.
"One of our big breakthroughs was to look at a newer set of satellites that are using much longer wavelengths, which allows the observations to be sensitive to water much deeper into the forest canopy and be directly representative of the fuel moisture content, " said Konings, who is also a center fellow, by courtesy, at Stanford Woods Institute for the Environment.
To train and validate the model, the researchers fed it three years of data for 239 sites across the American west starting in 2015, when SAR data from the European Space Agency's Sentinel-1 satellites became available. They checked its fuel moisture predictions in six common types of land cover, including broadleaf deciduous forests, needleleaf evergreen forests, shrublands, grasslands and sparse vegetation, and found they were most accurate—meaning the AI predictions most closely matched field measurements in the National Fuel Moisture Database—in shrublands.
Rich with aromatic herbs like rosemary and oregano, and often marked by short trees and steep, rocky slopes, shrublands occupy as much as 45 percent of the American West. They're not only the region's biggest ecosystem, Rao said, "they are also extremely susceptible to frequent fires since they grow back rapidly." En California, fires whipped to enormous size by Santa Ana winds burn in a type of shrubland known as chaparral. "This has led fire agencies to monitor them intensively, " él dijo.
The model's estimates feed into an interactive map that fire agencies may eventually be able to use to identify patterns and prioritize control measures. Por ahora, the map offers a dive through history, showing fuel moisture content from 2016 to 2019, but the same method could be used to display current estimates. "Creating these maps was the first step in understanding how this new fuel moisture data might affect fire risk and predictions, " Konings said. "Now we're trying to really pin down the best ways to use it for improved fire prediction."