Как состояние растительности помогает предсказать силу пожаров в Калифорнии

В январе 2025 года массивные пожары охватили холмы и каньоны в окрестностях Лос-Анджелеса, уничтожив целые районы и нанося ущерб экосистемам. Эти события стали наглядным примером растущей угрозы, которую несут пожары на границе между дикой природой и городскими территориями.

Калифорния, особенно её прибрежные районы с средиземноморским климатом, исторически подвержена пожарам. Сухие условия способствуют росту растительности, которая легко воспламеняется и быстро распространяет огонь. По мере усиления пожаров возрастает потребность в точных методах прогнозирования их силы и последствий.

Исследователи под руководством Уорд-Баранайя проанализировали три крупных пожара в Лос-Анджелесе, изучив состояние растительности, рельеф местности и скорость ветра до возгорания. Для сбора данных использовались спутниковые наблюдения с приборов ECOSTRESS и EMIT, которые позволили оценить состояние растительного покрова перед пожарами. На основе этих данных была разработана модель машинного обучения — random forest regression, — способная предсказывать силу пожаров.

Модель показала точность около 60% в прогнозировании степени сгорания. Наилучшие результаты она продемонстрировала для пожаров Palisades и Hughes, тогда как для пожара Eaton точность была ниже. Это связано с высокой топографической изменчивостью территории, сгоревшей в результате пожара Eaton, что усложнило прогнозирование.

Особое внимание в исследовании уделялось типу растительности. Наиболее точные прогнозы модель давала для территорий, покрытых кустарниками и низкорослыми растениями — основного типа растительности в регионе. Прогнозирование силы пожаров на лесных участках оказалось менее точным.

По мнению учёных, состояние растительности — ключевой фактор, влияющий на силу пожаров, превосходящий по значимости рельеф и погодные условия. Особое значение имеют такие параметры, как обилие, влажность, сухость или стресс растительности. Мониторинг этих показателей может стать эффективным способом оценки пожарной опасности в Калифорнии и других регионах с высоким риском возгораний.

Выводы исследования:

• Состояние растительности до пожара — основной фактор, определяющий его силу.
• Модель машинного обучения на основе спутниковых данных позволяет прогнозировать степень сгорания с точностью до 60%.
• Наиболее точные прогнозы модель даёт для территорий с кустарниковой растительностью.
• Мониторинг состояния растительности может стать ключевым инструментом в борьбе с пожарами.

Исследование опубликовано в журнале AGU Advances (DOI: 10.1029/2025AV002179).