Onderzoekers van de Bar-Ilan Universiteit ontwikkelen een AI-model om door bliksem veroorzaakte bosbranden te voorspellen

Natuurbrand Noord Israël. Foto screenshot

De catastrofale bosbranden die in augustus 2020 Noord-Californië teisterden, werden veroorzaakt door blikseminslagen. Ze verwoestten ruim 600.000 hectare en eisten tientallen levens.

Ook Israël heeft te maken gehad met verwoestende en dodelijke bosbranden.

De meest beruchte was die in december 2010 op de berg Karmel bij Haifa. De ramp verspreidde zich snel en verwoestte een groot deel van het mediterrane bos dat de regio bedekte. Met 44 doden was het de dodelijkste burgerramp in de Israëlische geschiedenis tot de stormloop in Meron in 2021 .

Hoewel blikseminslagen de oorzaak zijn van talloze bosbranden in Israël, leek de brand op de berg Karmel niet door bliksem te zijn veroorzaakt. Een 14-jarige inwoner van Isfiya gaf toe de brand per ongeluk te hebben veroorzaakt door een nargila te roken en een brandende kool in een open ruimte te gooien. Hij was zo geschokt door de gevolgen dat hij terug naar school ging zonder iemand te vertellen wat hij had gedaan.

Een baanbrekend nieuw model voor kunstmatige intelligentie (AI), ontwikkeld door onderzoekers van de Bar-Ilan Universiteit (BIU) in Ramat Gan, belooft een revolutie teweeg te brengen in de voorspelling van bosbranden, met een specifieke focus op door bliksem veroorzaakte branden die steeds vaker voorkomen als gevolg van klimaatverandering. Het nieuwe AI-model kan voorspellen waar en wanneer blikseminslagen de grootste kans hebben om bosbranden te veroorzaken, met een nauwkeurigheid van meer dan 90% – een primeur in de voorspelling van bosbranden die de noodhulp en het rampenbeheer wereldwijd zou kunnen transformeren.

Dr. Oren Glickman en Dr. Assaf Shmuel van de afdeling computerwetenschappen werkten, in samenwerking met experts van de Ariel Universiteit en de Universiteit van Tel Aviv (TAU), zeven jaar lang met hoge-resolutie wereldwijde satellietgegevens, naast gedetailleerde omgevingsfactoren zoals vegetatie, weerpatronen en topografie, om door bliksem veroorzaakte bosbrandrisico's wereldwijd in kaart te brengen en te voorspellen. Hun onderzoek werd onlangs gepubliceerd in Scientific Reports van Nature Publishing onder de titel "Global lightning-ignited wildfires prediction and climate change projections based on explainable machine learning models."

Dr. Oren Glickman. Foto Bar Ilan

Wat dit zo belangrijk maakt, is het vermogen om door bliksem veroorzaakte bosbranden met opmerkelijke precisie te voorspellen. Het AI-model presteert beter dan traditionele brandgevaarsindices dankzij een wereldwijde, datagestuurde aanpak. Het integreert omgevingsfactoren, data van satellieten en weersystemen om de waarschijnlijkheid van door bliksem veroorzaakte branden te beoordelen en overwint daarmee de beperkingen van regionale en databeperkte modellen.

Gelukkig komen er in Israël, als de bossen in de zomer droog zijn, zelden onweersbuien voor. Van mei tot en met september, en zelfs daarna, valt er doorgaans geen regen.

Dat is niet het geval in Californië of Australië. Daar zijn verwoestende bosbranden geweest waarbij veel mensen en dieren omkwamen, vertelde Shmuel aan The Jerusalem Post .

"Brandgangen waarbij bomen en struikgewas tussen boomgroepen worden verwijderd, kunnen het gevaar verminderen, maar deze zijn erg moeilijk en duur in onderhoud", voegde hij eraan toe, "omdat ze snel teruggroeien. Het sturen van schapen om het struikgewas op te eten, zou echter kunnen helpen", zei hij.

Bosbranden komen steeds vaker voor

Naarmate de klimaatverandering versnelt, dragen extreme weersomstandigheden, zoals onweersbuien, warme en droge omstandigheden en veranderende ecosystemen, bij aan frequentere en intensere bosbranden. Hoewel menselijke activiteit vaak verantwoordelijk is voor het ontstaan ​​van veel branden, blijft bliksem een ​​van de meest onvoorspelbare en dodelijke oorzaken, vooral in afgelegen gebieden. Deze branden kunnen dagenlang onopgemerkt smeulen, om vervolgens uit te barsten in oncontroleerbare inferno's voordat de brandweer kan uitrukken.

Glickman voegde eraan toe: "Door bliksem veroorzaakte bosbranden vormen een wereldwijde uitdaging en onze modellen laten zien dat ze waarschijnlijk zullen toenemen door klimaatverandering. We hopen dat dit onderzoek landen wereldwijd in staat stelt deze branden beter te anticiperen en te beperken. Met een verbeterde mogelijkheid om bliksembranden te voorspellen, kunnen meteorologische diensten, brandweerkorpsen en noodplanners sneller en effectiever reageren, wat mogelijk levens redt en ecosystemen beschermt. Dit model vult ook een belangrijke lacune in bestaande modellen voor het voorspellen van bosbranden aan: hoewel veel modellen effectief zijn voor branden die door menselijke activiteit worden veroorzaakt, hebben ze moeite met het voorspellen van door bliksem veroorzaakte branden die zich heel anders gedragen en vaak op moeilijk bereikbare plaatsen ontstaan."

"We bevinden ons op een cruciaal moment in het begrijpen van de complexiteit van het ontstaan ​​van bosbranden", aldus Glickman. "Machine learning biedt de potentie om een ​​revolutie teweeg te brengen in de manier waarop we door bliksem veroorzaakte bosbranden voorspellen en erop reageren, en biedt inzichten die levens kunnen redden en ecosystemen kunnen beschermen."

Hoewel het AI-model nog niet is geïntegreerd in realtime voorspellingssystemen, markeert de ontwikkeling ervan een cruciale stap voorwaarts in de voorspelling van bosbranden. "Met de groeiende gevolgen van klimaatverandering zijn nieuwe modelleringstools nodig om de gevolgen ervan beter te begrijpen en te voorspellen; machine learning biedt aanzienlijke mogelijkheden om deze inspanningen te verbeteren", aldus Shmuel.

"Onze bevindingen benadrukken significante wereldwijde verschillen tussen door de mens veroorzaakte en door bliksem veroorzaakte bosbranden. Bovendien tonen we aan dat, zelfs in een korte periode van minder dan een decennium, klimaatverandering het wereldwijde risico op door bliksem veroorzaakte bosbranden gestaag heeft vergroot", schreef het team. "Dit onderscheid onderstreept de dringende behoefte aan specifieke voorspellende modellen en brandweerindices die specifiek zijn afgestemd op elk type bosbrand.

De nieuwe machine learning-modellen die het team heeft ontwikkeld, hebben de potentie om door bliksem veroorzaakte bosbranden wereldwijd te voorspellen en bieden een krachtig instrument voor brandbestrijding en -respons. Gezien het steeds toenemende risico op bosbranden als gevolg van klimaatverandering, zijn vroege detectie en voorspelling essentieel om bossen, wilde dieren en menselijke gemeenschappen te beschermen tegen de verwoestende gevolgen van deze branden.