人間の自然システムが結合した結果としての周期的な山火事パターン
Scientific Reports volume 12、記事番号: 5280 (2022) この記事を引用
1679 アクセス
2 引用
7 オルトメトリック
メトリクスの詳細
過去数十年にわたり、山火事は天然資源と人命に多大な犠牲を強いてきました。 多くの地域で、年間の山火事の傾向は、時間の経過とともに焼けた地域の振幅が増加する不可解な振動パターンを示しています。 この論文は、結合システムにおける相互接続された社会および自然のダイナミクスを表す動的シミュレーション モデルを開発および検証することにより、そのようなパターンの潜在的な原因を調べることを目的としています。 私たちは一般的な動的モデルを開発し、シミュレーション結果に基づいて、人間と自然のサブシステム間の相互接続が、山火事で観察された周期的パターンの原因となっており、リスク認識が活動を規制し、さらなる火災や脆弱な土地の開発を引き起こす可能性があると仮定します。 私たちのシミュレーションベースの政策分析は、システムの人間側と自然側の間の相互接続によって上昇するシステムの非線形特性を指摘しています。 これは政策に大きな意味を持っています。山火事の封じ込めに最も効果的な政策を探す研究とは対照的に、私たちは長期的な解決策は単一の行動ではなく、人間側と自然側の両方を同時に対象とする複数の行動の組み合わせであることを示しています。システムの。
山火事は人命、天然資源、森林保護、野生生物を危険にさらしています1、2、3、4。 国立省庁間消防センターによると、2020 年に米国で 52,000 件を超える山火事が発生し、約 364 万ヘクタールが焼失しました5。 カリフォルニア州だけでも、2020 年の最初の 9 か月間で約 30 人が山火事により死亡したと推定されています6。さらに、2018 年にカリフォルニア州パラダイスで起きた悲劇的なキャンプファイア事件は、おそらくカリフォルニア史上最も破壊的で死者数の多い山火事であり、その結果、少なくとも85人の民間人が死亡し、60,702ヘクタール以上が焼かれ、18,000以上の建造物が破壊された7。 さらに、この問題は米国に限定されません。山火事は世界中のさまざまな地域に影響を与える世界的な課題であり、最近ではオーストラリア、ブラジル、ギリシャ、アルジェリア、フランス、トルコ、インドネシアなどの国々で大惨事が発生しています。 こうした傾向を踏まえると、山火事の問題とその増大する壊滅的な影響は、政策と非常に関連性が高い。
山火事の発生を理解し、予測することは、リスクを軽減し、それに伴う影響を最小限に抑えるために適切な政策措置を講じる上で不可欠です8、9、10、11。 山火事の歴史的傾向を調査すると、米国を含む世界中の多くの地域で火災の影響の振幅が増大しており、火災発生率の不可解な周期的パターンが明らかになりました。図 1 が示すように、米国では全体的に増加傾向が見られます。周期的に変動する山火事による燃焼速度。 興味深いことに、火災の数の全体的なパターンは燃焼速度の傾向に従っていませんが、周期的な振動を示しています。 このようなパターンの原因を見つけることは、自然科学者、政策研究者、政策立案者にとって関心のある分野です。
米国の山火事 1983 ~ 2018 年 (データは www.nifc.gov から)。
山火事は初期の着火で始まり、落雷や人間の無謀な行動によって自然によって引き起こされる場合があります。 落雷による自然火災の発生は気象条件に依存し、季節的なパターンを示します12。 一方、人為的な発火は大規模な火災を引き起こす可能性もあります。 実際、米国では、全国の山火事の約 84% が人為による山火事によるものです13。 さらに、放置されたキャンプファイヤー、放火、花火などの要因により、人為的な火災が発生する可能性があります14,15。 人間もまた、気候変動を悪化させる活動を通じて間接的に山火事に貢献しています16。 二酸化炭素やメタンなどの温室効果ガスの大気中への放出は、気温上昇の原因となります17。 気候が温暖化すると森林の植生が乾燥し、大規模な山火事のリスクが高まります18。 さらに、土地開発のための森林伐採は、森林が温室効果ガスを吸収する能力を低下させ、最終的にはさらなる気温上昇を引き起こす19,20。
山火事に対する人間と自然の直接的な寄与の重要性にもかかわらず、これまでのモデリング研究のほとんどは、因果関係のこれら 2 つのカテゴリのいずれかのみに焦点を当ててきました。 Touboul らは、草や森林の木など、さまざまな種類の植生間の動的相互作用のシミュレーション モデルを開発しました。 彼らは、幅広いシナリオにおいて、植生の構成が時間の経過とともに変動する可能性があることを示しました21。 自然システムのダイナミクスに焦点を当てたこのようなモデルは、山火事後の森林回復の遅れから現れる長期的な振動パターンを説明できます。 人間の寄与に関しては、いくつかの統計モデルが、原野と都市の境界面 (WUI) における人間の居住と火災活動との相関関係を指摘しています 22,23,24。 これらのモデルでは、人間の危険認識が火災に影響を与える外生的要因となることがよくあります。 私たちは、問題の自然面と人間的側面の両方が重要であることを理解しています。 実際、持続可能な環境政策を開発するには、社会システムと生態系の間の動的なつながりを説明することが不可欠であると長い間議論されてきました25。 したがって、自然と人間のシステム間の相互作用が山火事のダイナミクスに寄与し、山火事の複雑さと軽減の課題を増大させているという仮説を立てています。 適切なポリシーを開発するには、より大きなシステムの両側とその 2 つの間の相互作用に注意を払う必要があります。 この論文の主な目的は、結合システムにおける社会的ダイナミクスと自然ダイナミクスの両方を表す、フィードバックが豊富な動的シミュレーション モデルを開発および検証することによって、そのようなパターンの潜在的な原因を探ることです。
図 2 は、人間と自然の結合システムと呼ばれる一連の現象を調査する一連の生態学的文献に沿った、私たちの研究枠組みを示しています (この分野は米国国立科学財団の主要な研究分野です)。 このフレームワークには、植生 (自然システム) と人間のシステム (行動力学) に特有のダイナミクスが含まれます。 相互作用において、この 2 つの部分は、最近の火災事件に関する情報を受け取り、人間のリスク認識に影響を与える人間部門を介して接続されます。これは、認識された情報が火災のリスクに影響を与えるためです26。 人間は、危険認識に基づいて、人為的な発火や脆弱な特性の発現を通じて火災を引き起こします。
(https://www.nsf.gov/pubs/2018/nsf18503/nsf18503.htm から適応され、山火事の場合に合わせて調整されました)。
人間と自然のシステムが結合した結果としての山火事に関する私たちの研究枠組み
私たちは山火事という特定の問題に焦点を当てていますが、立ち止まって、主に方法論的な観点から、同様の自然災害のさまざまなモデル化アプローチを簡単にレビューすることが重要です。 自然災害研究全般、特に山火事には幅広いモデリングアプローチが適用されています。 このようなモデリングは、分析の単位、時間枠、数学的モデリング手法、境界、および特定のアプリケーション ケースに基づいて区別できます。
自然災害モデルの大部分は空間モデリングに専念してきました27、28、29。 典型的な空間山火事モデルの目標は、さまざまな地域全体で火災の進行を再現することです。 このようなモデルは、さまざまな地域がどのように、どの順序で、どのタイミングで火災の影響を受けやすくなるかを示すのに強力です。 空間モデルは、分析の地理的単位 (州、郡など) に応じて異なる形式をとることもできます。 異なるユニット間の接続ネットワークは火災の進行に影響を与える可能性があり、このようなモデルはネットワーク構造のモデル化に向けてさらに有用になります。
自然災害モデルの 2 番目のグループには、エージェントベースの個人レベルのモデルが含まれます。 避難モデルでは、多くの場合、このようなレベルの分析が行われ、災害後の個人の流れが調査されます 30,31。 山火事のコンテキストでは、火災の進行に焦点を当て、エージェントベースのモデルは植生ユニットをエージェントとして考慮する場合があります。 このようなモデルは、ある植生単位から別の植生単位への内因性火災の伝播を示す、相互作用する要素の空間モデルにつながります。 Rahmandad と Sterman32 は、多くの状況において、特にエージェント間の異質性が制限されており、接続ネットワークが対称的でほぼ完全である場合には、詳細なエージェントベースのモデルが集合微分方程式モデルから学習できる範囲を超えることはできない可能性があることを強調しました。
一方で、集合的な自然災害モデルが存在します。このモデルでは、植生はいくつかの主要変数でモデル化されることがよくありますが、地域の詳細は含まれていません 33,34。 コンパートメントモデルとして、これらには微分方程式が含まれることが多く、動的な枠組みで植生の流れと樹木の老化を定式化します35。 集約モデル内では、変数がどの程度内生変数として扱われるか (つまり、変数が状態変数の変化に応答するか) が、差別化の重要な要素となります。 Simon Levin ら 21,36,37 は、植生の集合微分方程式モデルのさまざまなバリエーションを提供しました。 複雑系の観点から見たこのようなモデルの興味深い結果は、モデルの結果が定常状態から目標探索または S 字型の動作、あるいはさまざまな範囲の長期振動にまで実質的に変化するという分岐の描写です。パラメータ値。
システムダイナミクスコミュニティ内には、環境問題のモデル化に関する豊富な文献もあります 25,38,39。 Deegan40 は、少し異なる自然災害環境で方法論的に適切な研究を実施しました。 彼は、最近の洪水とそれに関連する被害に対する長期的な地域社会の反応を考慮して、典型的な洪水が発生しやすい地域社会における洪水被害のダイナミクスをモデル化しました。 ディーガン氏は、仮説上の洪水事例に焦点を当て、一見同様の外部事象(ここでは大雨)が、地域社会の反応や脆弱な不動産への投資に応じて、どのように異なる被害レベルを引き起こす可能性があるかを示すことを目的としていました。 彼の研究が他のものと異なるのは、Deegan のモデルがフィードバックが豊富であり、動的な結果が外部の時系列ではなくモデル内で作成されることです 41。 山火事のモデル化に対する私たちのアプローチは、人間のリスク認識によって影響を受けるシステムの内生的特性として脆弱性を考察するという点で、ディーガンの洪水緩和活動と共鳴する部分があります。
これらの集約モデルが強力なのは、比較的小さい (方程式が少ない) ことであり、詳細を取り除くと、多くのシステム レベルの洞察を失うことなく、システムの応答とフィードバック ループに焦点を当てることができます 32。 モデラーは、小規模モデルからの洞察を関係者とより適切に伝達することもできます42。 小さくて強力なモデルは構築が容易ではなく、多くの場合、複雑で詳細なモデリングを何回も繰り返した結果であることに注意することが重要であり、これは私たちの研究でも当てはまりました。 問題の範囲を考慮して、同じモデリング アプローチに従います。
モデルが異なれば、森林地域の植生の不均一性を表すためにさまざまな用語が使用されます。 節約の目的で、私たちのモデルは、強い植生が占める地域 (S) と可燃性の植生が占める地域 (F) の 2 つの単純なストック変数によって森林地域全体を表します。これらのすべては図 3 にストック変数として示されています (変数は図 3 にあります)。ボックス)。 強い植物は火に強いことが多く、大規模な火災でしか燃えません。 可燃性の高い植生には、損傷した植生、またはすぐに燃えてしまう可能性のある植生 (草を含む) が含まれます。 この種の植生はすぐに燃える可能性があり、落雷や人間の発火は多くの場合、可燃性の植生に最初に影響を与えます。 燃焼すると、強い植物に火が伝播する可能性があります。 私たちの図は森林地域を単純に表したものですが、その論理は植生の種類についてより詳細な情報を提供した研究と一致しています。
植生のストックフロー図。 注: 靴下の変数はシステムの状態を表し、ボックス (強い植生、可燃性の植生、空き領域) で表示され、状態変数の変化を表すフローはバルブ記号で表されます。 因果関係の影響は青色のリンクで示されます。X → + Y のプラス記号は、X と Y が同じ方向に移動することを示します (\({\text{X}} \to + {\text{Y}} \Leftrightarrow { {\partial {\text{Y}}} \mathord{\left/ {\vphantom {{\partial {\text{Y}}} {\partial {\text{X}}}} \right. \kern -\nulldelimiterspace} {\partial {\text{X}}}} > 0\))。 因果関係の矢印のマイナス記号は、変数が反対方向に移動することを示します (\({\text{X}} \to - {\text{Y}} \Leftrightarrow {{\partial {\text{Y}}}) \mathord{\left/ {\vphantom {{\partial {\text{Y}}} {\partial {\text{X}}}}} \right. \kern-\nulldelimiterspace} {\partial {\text{ X}}}} < 0\))。 因果ループ図の詳細については、Sterman44 を参照してください。
このモデルでは、ループ B1 と B2 は、火災による強力で可燃性の植生の劣化を表します。 前述したように、火災は周囲の地域を焼き、火災の影響を受けやすくすることで、強い植物の脆弱性を高める可能性があります。 このメカニズムは、ループ R1 (可燃性の植生が燃えるとさらに可燃性の植生が増加する) と B3 (強い植生が燃えると、他の強い植生が火災に対して脆弱になる) によって示されます。 この研究では、強い植物と可燃性の植物が占める両方の領域が均質であると仮定します。 この単純化した仮定を採用することにより、モデルの動作は植生の空間的な詳細から独立していると考えられます。 普遍性と呼ばれるこの仮定は、さまざまなコンパートメントモデリング研究で以前に検討されてきました37。
森林面積の単位に基づいてモデルを作成します。これにより、森林の空き面積 (E) は次の方程式で決定できることがわかります。
次に、在庫変数間の関係を次の微分方程式で表すことができます。
ここで、 \(\gamma_{S}\) と \(\gamma_{F}\) は、それぞれ強い植物と可燃性の植物の部分燃焼速度です。 \(\alpha\) は、強い植物が可燃性になる割合です。 \(\tau_{1}\) は、可燃性植物が強くなるまでの平均時間です。 \(\tau_{2}\) は空きスペースに可燃性植物が生育する平均時間であり、多くの場合 \(\tau_{2} < < \tau_{1}\) となります。 したがって、両方の種類の植生の合計燃焼速度 (B) は次のようになります。
この方程式では、可燃性植物の燃焼速度である \(\gamma_{F}\) は、人間による発火と自然発火の合計の関数です。 ただし、強い植物の部分燃焼速度である \(\gamma_{S}\) は、可燃性の植物の燃焼速度に依存し、森林内で火が伝播するときに発生します。つまり、 \(\gamma_{S} = f\left( {\gamma_{F} F} \右)\)。 シグモイド関数を使用して f を定式化します (表 1)。 さらに、火災の結果として強い植生が可燃性になる速度 \(\alpha\) は \(\alpha = \sigma B\) で、 \(\sigma\) は脆弱性に対する燃焼効果です。
一般に、リスクのある決定を下すことに対する国民の態度は、リスク認識のレベルに影響されます。 山火事の場合、その問題に対する人々の注意と、おそらくそれに関連するリスク認識が時間の経過とともに変化したことを示す幅広い証拠がある。 図 4 は、米国における「山火事」という単語の Google 検索頻度を示しています。傾向は変動しており、2004 年から 2018 年までの検索と焼失面積の間には 0.4 の相関関係があります。
米国における「山火事」の Google 検索トレンドと年間焼失面積との相関。
山火事のリスクの認識が緩和措置とどのように関連しているかに焦点を当てた一連の研究がある45、46、47、48。 コロラド州の火災多発地域の調査では、一度の極端な山火事が危険認識に大きな影響を与えないことが明らかになりました47。 さらに、人々の火災リスク認識に関する証拠は、火災リスク認識の変化は数年を超えて続かないことを示しています48。 私たちは、2 つの重要な特徴を持つ上記の研究に基づいて、リスク認識が人間の行動に及ぼす影響を構築します。 まず、近年の山火事活動全体が人々の火災リスク認識を形作っている。 第二に、山火事が人々の認識に及ぼす影響は、時間が経つにつれて消えていきます。
図 5 に示すように、リスク認識の変化の影響を示す 2 つの主要なメカニズムが組み込まれています。ループ B4 の自己満足は、火災の発火を引き起こす可能性がある無謀な行動による人間の火災への貢献を表しています。 ループ B5 の脆弱な資産は、森林地域での資産の構築を表します。 このような特性により、人間と自然環境との相互作用が増加し、人為的な発火の可能性が高まります。 また、そのような物件自体が火災の対象となる可能性があるという事実も考慮します (ループ B6)。
自然のサブシステム (灰色) に接続されている人間のサブシステム。
このモデルのリスク認識では、系統的な偏りがないことを前提として、\(\overline{B}\) は燃焼率の \(\delta_{1}\) 年遅れ変数 (\(B\)) として定式化されます。リスク認識。 I の全発火には人為的発火 (\(I_{H}\)) と落雷による自然発火 (\(I_{N}\)) が含まれますが、後者はモデルでは一定と仮定されています。 世界のさまざまな地域(スペイン、カナダ、米国)でのいくつかの研究は、その地域での人間の居住によって人為的発火が増加することを示唆しています49、50、51。 また、人間の発火回数はリスク認識に反比例すると考えています。 人間の居住地が脆弱な特性 V で表されると仮定すると、\(I_{H}\) を \(I_{H} \left( {V,\overline{B}} \right)\) として定式化します。ここで、 \(\frac {{\partial I_{H} }}{\partial V} > 0\) および \(\frac{{\partial I_{H} }}{{\partial \overline{B}}} < 0\)。 節約の目的で、線形関数を使用して \(I_{H}\) に対する \(\overline{B}\) の効果を定式化します (付録を参照)。
マーティンらは、 43 人は、さまざまな利害関係者 (保険会社や連邦政府機関を含む) がリスク認識に対する人間の感受性をどのように高めることができるかについて議論しましたが、この値の定量的な推定は提供していませんでした。
最後に、時間の経過とともに変化する可能性のある脆弱な特性 V は次のように定式化されます。
\(\theta E_{bt}\) という項は不動産開発を表し、現在の不動産に比例し、リスク認識によってマイナスの影響を受けると想定されます。 認識されたリスクと脆弱な不動産の拡大との逆関係は、建築政策の決定が非常に状況に依存し、政治的決定を伴うため、複雑すぎて直接モデル化できないため、ゾーニングなどの外部条件の代用となります52。 自然災害の発生とコミュニティ開発プログラムに関係がないことを示唆する研究もあるが、災害が増加するにつれて経済集約型(保険契約など)が開発ペースの低下を引き起こすと考える研究もある53,54。 ここで私たちは、自然災害と開発計画の影響について一般的な合意がないことを認め、そのような関係が存在することが証明されている地域のモデルを構築します。 \(\rho V\) という用語は、財産の取り壊しを表します。 私たちのモデルにおける破壊は主に火災によるものです、つまり \(\rho = \rho \left( B \right)\) です。
導入されたモデルは汎用的なもので、広範囲のパラメーター値をシミュレートできます。 表 1 は、ベースランのシミュレーションに使用されるパラメーター値を報告します。 値の一部は文献と一致していますが、その他の値は、さまざまな森林環境における条件の変化を調べるために選択されています。 モデリング結果が堅牢であることを確認するために、広範囲の変数に対して感度分析を実行します。 感度の結果は、モデルの結果がベース実行と一致していることを示唆しています (付録 2 を参照)。
シミュレーション実験には、表 2 にリストされているベースラン シミュレーションと一連のポリシーおよびシナリオ テストが含まれます。この表には、分析で各テストがどのように実装されるかについての詳細も示されています。 具体的には、危険認知の感度を燃焼率に変更することにより、自然力学と人間の知覚の間の関連性と、火災の発生に対するその影響を分析します(テスト T2)。 次に、脆弱な土地の開発の制限 (P1)、可燃性植生の規定および制御された焼却 (P2)、可燃性植生から強力な植生への火の侵入を制限する効果的な消火 (P3)、および植生の強い木の一部を取り除き、空き地に変える伐採(P4)55。
図 6 にベースラン シミュレーションの結果を示します。 このシナリオでは、時間の経過とともに強い植生が減少する一方、空き地と可燃性の植生は増加する傾向があります。 そのため、より多くの燃料が燃焼に利用できるようになり、山火事はより広範囲の地域を焼く可能性があります。 パネル (a) は、平均上昇傾向を持つ燃焼速度の振動傾向を示しています (モデルの振動挙動が衰えないことを確認するために、付録 4 には 100 年間のシミュレーション結果が示されています)。 観察された燃焼速度のパターンは、人間の発火パターン (パネル b)、および脆弱な性質の増加傾向 (パネル c) にまで遡ることができます。 さらに、結果は、ベースラインシミュレーションで強い植生が長期的に減少する傾向を示しています(パネルd)。 時間の経過とともに、より強い植生が可燃性の植生に置き換わり、さらなる火災を引き起こす可能性があります。 植生組成のこの変化により、平均燃焼速度が効果的に増加します。 時間の経過とともに、可燃性の植生が増え、脆弱な土地が拡大すると、人為的な発火の可能性が高まります。
モデルの 20 年間実行のベース実行シミュレーション。
図 7 は、認識される火災の危険性と燃焼速度の関係がシステムにどのような影響を与えるかを示しています。 黒い線は比較のためのベースランシミュレーションです。 青い破線は、リスク認識が非常にゆっくりと変化し、人間のシステムが自然システムからほぼ切り離されている状態を示しています。 この状況で、人間が火災の可能性を過小評価すると、システムが自然を焼き尽くし、パネル (a) に示すような壊滅的な環境結果をもたらします。 パネル (a) は、燃焼速度が短期的にはオーバーシュートしますが、燃やす天然資源が少なくなるため相対的に低下することを示しています。
20年間にわたるカップリング効果分析。 人間の発火単位は点火/年、脆弱な財産の単位は 100 万ヘクタールです。 強い植生と可燃性の植生は、それぞれが森林面積に占める割合として表示されます。
パネル (b) は、認識されたリスクに対する燃焼速度の感度についてのさらなる洞察を得るために、調査時間全体の合計燃焼速度を表示します。 リスク認識が 0.5 から 2 に変化しても、全体のバーン レートは大きく変化しません。これは、パネル (a) のバーン レート間の違いは、サイズではなく変動タイミングによるものであることを示しています。 ただし、パネル (a) に見られるように、リスク意識がさらに高まると、全体の燃焼率が大幅に上昇します。
リスク認識の長期にわたる変化の場合、認識されたリスクがゆっくりと変化するにつれて、人間の発火は増加し続けます (パネル c)。 さらに、脆弱な物件は取り壊されるよりも早く建設されています(パネル d)。 知覚の遅延がわずかであると、グラフに赤い破線で示されているように発振周波数が高くなり、紫色のグラフで示されているように、より低い周波数の発振では遅延が長くなります。 全体として、結果はベースランとそれほど変わりません。 私たちは森林を失いつつあり (パネル e)、時間の経過とともに周期的に森林火災の速度が増大しています。
ここでは、表 2 で紹介した 4 つの提案された政策を実施した場合の影響を調べます。初期条件と移行期間が提案された政策の比較に影響を与えるのを防ぐために、各政策を 5 年目に課し、10 年と 20 年の合計燃焼率を比較しました。 図 8 は、さまざまな変数に対するこれらのポリシーの影響を示しています。
政策の実施。 注: P1: 脆弱な不動産の開発を制限します。 P2:所定の燃焼。 P3: 効果的な消火活動。 P4: クリアカット。 人間の発火単位は点火/年、脆弱な財産の単位は 100 万ヘクタールです。 強い植生と可燃性の植生は、それぞれが森林面積に占める割合として表示されます。
パネル (a) と (b) は、それぞれ経時的および累積的な燃焼速度を示します。 4 つのポリシーはすべて、ベース実行と比較してバーンレートの大きさを減少させます。 P3 は他のポリシーと比較して早期の燃焼率削減においてより効果的ですが、最終的には同様の動作になります。 注目に値するのは、P1 が長期変動の低減に最も大きな効果を発揮しますが、時間スパンにおけるその合計効果は P3 よりも小さいということです。 短期的には消火活動の方が効果的であるように思われるが、変動を抑えることができず、むしろ変動の成長を制限することになる。 これは、短期的には消火活動の成功により人為的な発火と居住が増加したことが一因となっている。 その結果、人々は火災の危険性をあまり認識せず、リスクの高い活動に従事し続け、WUI で住宅を拡張します。 その結果、P3 が実装された場合でも、燃焼速度はさらに変動します。 一方、WUI 拡張制限ポリシーは、バーンレートの変動をタイムリーに効果的に低減できます。 P4 を実施すると、強い植生が減少し、可燃性の植生が増加します。 可燃性の植物は山火事の主な燃料であるため、この政策により燃料の入手可能性が増加し、燃焼速度が増加します。
人間の発火の変化はパネル (c) に示されています。 人為的な発火にはさまざまなレベルが観察できますが、その理由は、人々が火災の数ではなく燃焼速度で高リスク行動を調整しているためです。 消火政策では、一定の発火レベルでは燃焼速度が低下し、より危険な行為や人為的な発火が多く観察されます。 興味深いことに、パネル (c) が示すように、政策 2、3、および 4 の下ではより多くの WUI が発生することになります。実際、その理由は、消火活動、規定の野焼き、皆伐が影響を与えるのは自然地域の自然部門のみであるためです。モデルを使用すると、バーン レートが低下し、リスク認識が低下し、その結果、WUI の開発が増加します。 一方、P1 は WUI を直接ターゲットにしています。
パネル (e) は強い植生の変化を示しています。これは、P4 が強い植生を直接除去するため、森林樹木被覆の最大の減少を引き起こすことを示しています。 また、P2 では、ベースランと比較して強い植生が減少します。 その理由は、可燃性の植物を燃やすと若い木がダメージを受け、固い植物への成長が妨げられるためです。 一方、P3 は若い木へのダメージを遅らせ、火を閉じ込めることにより、強い植生に対して最も影響が少ないです。 パネル (f) は、各政策を課した後の可燃性植生の動態を示しています。 P3 と P2 は、P1 よりも可燃性の植物を減らします。 しかし、これらの政策が可燃性植物の減少を引き起こす仕組みには重要な違いがあります。 パネル (a) と (b) を比較すると、P3 によって強い植生がさらに増加する一方で、P2 によって空き領域が増加することがわかります。 P4 は、強い植生を除去し、若い植生で埋める空き領域を提供することによって、可燃性の植生を増加させる唯一の政策です。
全体として、それぞれの政策は山火事の抑制にわずかな効果をもたらしているように見えますが、その効果の大きさはそれほど大きくありません。
モデル検証のために、1996 年から 2015 年までの米国の山火事という単一のケースに適合するモデルの能力を調査します。私たちは、隣接する米国に関する米国農務省の山火事データベースを利用します (Short、2017)。 結果を図 9 に示します。この図では、燃焼速度と人体発火のシミュレーション (実線、黒) が現実世界のデータ (点線、赤) によく似ており、モデルは歴史的傾向をかなり再現しています。 。
単位森林面積あたりの燃焼率と人為発火。 黒い線はモデルの結果を表し、赤い点線は隣接する米国における過去の山火事活動を表します。
ポリシーの影響をより深く理解するために、異なるポリシーのペアを同時に実行します。 この結果は、ポリシー間の非線形の増分影響を示しています。 簡単に言えば、複数の政策の効果は、相乗的に組み合わされることで強制されるようです。 言い換えれば、複数の政策を適用することは、政策の個々の効果の合計よりも全体としてより大きな影響を与える可能性があり、政策立案者は万能薬を探すことを避け、幅広いアプローチを慎重に採用する必要があることを示唆しています。
複数のポリシー実装の結果と単一のポリシー実装の結果を図 10 に示します。たとえば、P1 と P2 はそれぞれ、総燃焼率をそれぞれ 4.9% と 4.5% 削減します。 これらの効果の合計は 9.4% ですが、P1 と P2 を同時に実施すると、燃焼率は 13.6% 減少します。P1 は人間の発火を制御し、P2 は可燃性植物のストックを減らします。合わせて、燃焼率は、実施した場合よりも大きな影響を受けます。別々に。 P1 と P3 が一緒に課される場合、このケースはより興味深いものになります。 その結果、燃焼率は 13.9% と比較して 38% 減少しました。これは、各ポリシーを単独で実行した場合の合計です。 この相乗効果は、P3 が可燃性の植生 (主に若木) を老化させ、強い植生にするために起こります。 さらに、P1 は、人間による発火が単一の P3 実装と同じ速さで増加することも防ぎます。
政策の非線形効果。 複数の政策を実施することのメリットは、政策の効果の合計とは異なります。 この図は、燃焼速度の減少率を示しています。 注: P1: 脆弱な不動産の開発を制限します。 P2:所定の燃焼。 P3: 効果的な消火活動。 P4: クリアカット。
P2 と P3 が一緒に実装されると、興味深いケースが発生します。 相乗効果は、別々に実施した場合の合計よりも小さくなります。これは主に、両方の政策が山火事の人的要因ではなく植生の動態に影響を与えるためです。 P2 と P3 はどちらも初期燃焼速度を低下させますが、山火事の認識リスクと WUI の拡大により、この影響はすぐに消えます。 これは、この問題を相互に関連した自然システムと人間システムとして考えることの重要性を示すもう一つの証拠であり、効果的な政策は両方の側面に対処する必要があります。
最後に、すべてのポリシーを一緒に適用すると、興味深い結果が得られます。 驚くべきことに、すべてのポリシーを一緒に課すことは、総燃焼率 (32.5%) に最大の影響を与えず、P1 および P3 の効果 (38.0%) よりも小さいです。 その理由は主に、P2 と P4 の両方が空き領域が埋められた後に可燃性植物の増加を引き起こし、遅延後の燃焼速度の増加につながるという事実に関係しています。
私たちは、仮定に対するモデルの堅牢性を確認するために一連の感度分析を実施しました。 具体的には、モンテカルロ分析を実施し、いくつかのパラメーター値を変更して結果の範囲を決定しました。 結果は付録 2 に報告されています。要約すると、リスク認識の定式化に使用されるパラメーター、リスクを認識するまでの時間などの人間の行動への影響など、モデルで想定されている値とは大幅に異なる値を取るパラメーターに焦点が当てられました。点火ごとの部分燃焼率、平均燃焼率、初期の可燃性植生、初期の強力な植生、人間の発火乗数、および初期の脆弱な性質に加えて、行動を変えるまでの時間。 付録で説明されているように、これらの変数のほとんどについて、対応する変数をベースラン値の 2 倍まで変更しました。 さらに、初期の強い植生と初期の可燃性植生の異なる値をテストし、それらをゼロとベースラン値の間で変更します。 各感度テストは、指定された間隔内でパラメータを均一にランダムに分布させて実行した 2000 回のシミュレーションの結果です。 結果は定性的に堅牢であり、その変動性は妥当な範囲内にあります (図 A1 を参照)。
山火事は依然として、世界のあらゆる大陸のさまざまな地域に影響を与える主要な世界的課題の 1 つです。 各国は山火事の壊滅的な結果を改善するためにさまざまな政策措置を講じていますが、(a) 地球規模でこの問題に取り組むにはほど遠く、(b) 全体として傾向は間違った方向に向かっており、森林火災の増加が指摘されているようです。火災の規模と焼けた地域。 この文書はこの課題に対する回答です。 私たちは、仮説的なシナリオで山火事の延焼に関するシステムダイナミクスモデルを開発し、山火事の燃焼速度、火災の頻度、および公衆の危険認識を決定する際のいくつかの重要なメカニズムの影響をシミュレートしました。 このモデルには、自然と人間のサブシステムの 2 つの主要なセクターが含まれており、これらは発火に対する人間の寄与と火災に対する人間のリスク認識を通じて接続されていました。 私たちは、火災の進行に対する人間のさまざまなレベルの感受性やさまざまな封じ込め政策を表す幅広いシナリオのモデルをシミュレーションしました。 私たちの結果は、人間と植生がどのように山火事の活動を決定するかを示しており、山火事は人間と自然が結合したシステムであると定義されています。 モデルの仮説的な仮定のため、結果は絶対値ではなく相対的な変化において重要です。
このモデルを使用していくつかのシミュレーション実験を実施しました。 結果は、さまざまなシナリオや政策条件における幅広い変動パターンを示しています。 基本実行では、人為的点火における振動的な結果の可能性と、全体的に増加傾向にある燃焼速度の振動パターンが示されました。 強い植生の減少と脆弱な特性の増加は、燃焼速度の増加傾向を引き起こす一方、人間の知覚の力学が振動パターンに影響を与えます。
私たちの研究は、自然災害、特に山火事の研究のモデル化に関する文献に貢献します。 私たちは、人間と自然が結合した山火事システムの最初のモデルを提供します。 私たちの研究は、生態力学 21、特に山火事力学 37 の過去のいくつかのモデルに基づいて構築されており、それらを自然システムと人間の相互作用を含むように拡張しています。 このモデルは、山火事の問題に関連した人間の本性の意図についての洞察を提供することを目的とした汎用的なものです。 私たちの研究は、過去の山火事の空間モデルとは異なります。 山火事の空間モデリングでは、人間への影響は空間的に静的です。 ここでは、同じ集団が異なる数の火災を引き起こし、山火事の挙動に影響を与える可能性があることを示します。 過去の研究とは異なるアプローチにより、結果も異なります。 たとえば、私たちは、リスクをどのように認識するか、天然資源に隣接して不動産をどのように建設するかという観点から、山火事の封じ込めにおける政策抵抗の原因を指摘します。
私たちの研究は、他の自然災害の過去のシステムダイナミクスモデルの一部と共鳴しています 36,37。 私たちは、問題に反応し、問題に寄与するシステムの一部として人間の要素を考慮することにより、システムの脆弱性の概念に対して内生的なアプローチを採用しています。 フィードバックを豊富に含むモデリングの重要性は、水質、廃棄物管理、給水などの持続可能な環境管理においてその価値があることがこれまでに示されています25。 ここで私たちは山火事管理に対して同様のアプローチを提案し、山火事の行動を形成する重要なメカニズムを理解することを目的としています。
この研究にはいくつかの政策的意味合いがある。 規定の野焼き、脆弱な財産の管理、消火効果の向上、皆伐の4つの政策を比較しました。 私たちは、消火効果が他の提案された政策よりも総燃焼速度を低減するのに効果的であることを示しました。 さらに重要なことは、政策を同時に実施すると、同じ政策を単独で実施した場合の効果の合計を超える相乗効果が得られることを示したということです。 たとえば、脆弱な土地の開発を制御し、効果的な消火を行うと、それぞれ燃焼率が 4.9% と 9% 減少しますが、両方の政策を実行すると、燃焼率は 38% 減少します。 このような相乗効果は、山火事の制御に特効薬がないことを示しており、効果的な政策はその有効性を最大化するためにシステムの人間部門と自然部門の両方をターゲットにする必要があることを示唆しています。 言い換えれば、山火事は相互依存性の高い人間部門と自然部門を含む複合システムの結果であるため、1 つの部門だけに焦点を当てても解決することはできません。
この研究にはいくつかの限界があり、それが将来のさらなる探求への道につながります。 私たちは、モデルの人間部門と自然部門の間の相互依存性に焦点を当てて、モデルを意図的にシンプルに保ちました。 たとえば、この文脈における空間力学の詳細な調査には、より大規模なモデルが必要ですが、潜在的に洞察力があり、政策に影響を与える可能性があります。 空間モデルを使用すると、政策分析を拡張して、広範な造林政策(間伐など)の影響を含めることができ、人間の異質性を捉えるより詳細な行動モデルを使用すると、行動政策に関する洞察を提供できる可能性があります。 地球規模でのモデルの完全な調整や、さまざまな地域にわたる火災の侵入を含めることも、拡張の可能性のある手段です。
JH スコット、国会議員トンプソン、デラウェア州カルキン 土地と資源管理のための山火事のリスク評価フレームワーク (2013 年)。
McFarlane, BL、McGee, TK & Faulkner, H. 住宅所有者による山火事リスク軽減の複雑さ: 危険理論の統合。 内部。 J. Wildland Fire 20、921–931 (2011)。
記事 Google Scholar
Radeloff、VC 他。 米国の原野と都市の境界面の急速な成長により、山火事のリスクが高まっています。 手順国立アカド。 科学。 115、3314–3319 (2018)。
論文 ADS CAS PubMed PubMed Central Google Scholar
ファウラー、M.ら。 山火事の煙に対する人間の認識と反応に関するデータセット。 科学。 データ 6、1 ~ 10 (2019)。
記事 Google Scholar
慈善活動、CFD 2020 北米山火事シーズン (2020 年)。
NBCニュース。 今年カリフォルニアで起きた大規模な火災により、少なくとも30人の命が失われた。 [2020年9月30日]。 https://www.nbcnews.com/news/us-news/deadly-fires-california-have-claimed-least-30-lives-year-n1241632 (2020)。
Post, W. カリフォルニア史上、最も死者数が多く、最も破壊的な山火事がついに鎮火した(2018年)。
Catry、FX、Rego、FC、フロリダ州バサオン、F.モレイラ。ポルトガルにおける山火事の発火リスクのモデリングとマッピング。 内部。 J. Wildland Fire 18、921–931 (2010)。
記事 Google Scholar
De Vasconcelos, MP、Silva, S.、Tome, M.、Alvim, M. & Pereira, JC 火災発火確率の空間予測: ロジスティック回帰とニューラル ネットワークの比較。 フォトグラム。 工学 Remote Sens. 67, 73–81 (2001)。
Google スカラー
ジョンソン、EA & 宮西、K. 森林火災。 行動と生態学的影響 570 (エルゼビア、2001)。
Google スカラー
Bonazountas, M.、Kallidromitou, D.、Kassomenos, P.、Passas, N. 森林火災のリスク分析。 ハム。 エコル。 リスク評価。 11、617–626 (2005)。
記事 Google Scholar
ローブ、LB 雷のメカニズム。 科学。 午前。 180、22–27 (1949)。
論文 CAS PubMed Google Scholar
Balch、JK et al. 人間が引き起こした山火事により、火災のニッチが全米に拡大しています。 手順国立アカド。 科学。 114、2946–2951 (2017)。
論文 ADS CAS PubMed PubMed Central Google Scholar
JP プレステモンおよびDT ビュトリー「森林撹乱の経済学」123–147 (Springer、2008)。
Google Scholar を予約する
Bartlein, PJ、Hostetler, S.、Shafer, S.、Holman, J.、Solomon, A. 火災と森林気象学に関する第 5 回シンポジウムにて。 16~20。
アバツォグルー、JT およびウィリアムズ、AP 米国西部森林全域の山火事に対する人為的気候変動の影響。 手順国立アカド。 科学。 113、11770–11775 (2016)。
論文 ADS CAS PubMed PubMed Central Google Scholar
フレミング、JR ジョセフ・フーリエ、「温室効果」、および地球温度の普遍理論の探求。 エンデバー 23、72–75 (1999)。
記事 Google Scholar
アラバマ州ウェスターリング、ハイダルゴ州ヒダルゴ、DR 州カヤン、TW 州スウェットナム 温暖化と春の早まりにより、米国西部の森林火災の活動が増加しています。 サイエンス 313、940–943 (2006)。
論文 ADS CAS PubMed Google Scholar
Fiddaman、T.、Sterman、J.、Jones、AP、Sawin、ER & Siegel、LS C-ROADS:急速な気候の概要と意思決定支援シミュレーター (2008)。
ルーニー・バルガ、JN 他気候変動アクションシミュレーション。 サイマル。 ゲーム 51、114–140 (2020)。
記事 Google Scholar
JD トゥーブール氏、AC 州スタバー氏、SA 州レビン氏 サバンナの景観の複雑な力学について。 手順国立アカド。 科学。 115、E1336–E1345 (2018)。
論文 MathSciNet CAS PubMed PubMed Central MATH Google Scholar
Pew, K. & Larsen, C. カナダのバンクーバー島の温帯熱帯雨林における人為的な山火事の空間的および時間的パターンの GIS 分析。 のために。 エコル。 管理。 140、1–18 (2001)。
記事 Google Scholar
マサチューセッツ州マティンら。 リモートセンシング、地理情報システム、過去の火災データを使用して、ネパールの森林火災のパターンとリスクを理解します。 内部。 J. ワイルドランド ファイア 26、276–286 (2017)。
記事 Google Scholar
Vilar, L.、Woolford, DG、Martell, DL & Martín, MP スペインのマドリッド地域における人為的山火事の発生を予測するためのモデル。 内部。 J. Wildland Fire 19、325–337 (2010)。
記事 Google Scholar
Stave, K. 持続可能な環境管理のための参加型システム ダイナミクス モデリング: 4 つのケースからの観察。 サステナビリティ 2、2762–2784 (2010)。
記事 Google Scholar
Langardi、SP、Silva、CG、Fernald、AG より多くの測定を行うか、より迅速にレポートを作成しますか? コモンズの管理に対する情報認識の影響。 システム。 ディン。 改訂 37、72-92 (2021)。
記事 Google Scholar
キーン、RE、ドゥルーリー、SA、カラウ、EC、ヘスバーグ、PF、レイノルズ、KM 複数のスケールにわたる火災の危険性とリスクをマッピングする方法と、火災管理におけるその応用。 エコル。 モデル。 221、2–18 (2010)。
記事 Google Scholar
マサチューセッツ州フィニーら。 アンサンブル原野火災シミュレーションの方法。 環境。 モデル。 評価。 16、153–167 (2011)。
記事 Google Scholar
デイビス、C.ら。 高度なハリケーン WRF モデルによるハリケーン上陸の予測。 月気象 Rev. 136、1990 ~ 2005 年 (2008)。
記事 ADS Google Scholar
Chen, X. & Zhan、FB Agent-Based Modeling and Simulation 78–96 (Springer、2014)。
Google Scholar を予約する
ying, W.、Murray-Tuite, P.、Ukkusuri, SV & Gladwin, H. ハリケーン避難のための旅行需要シミュレーションのためのエージェントベースのモデリング システム。 トランスペアレント解像度パート C 出現。 テクノロジー。 42、44–59 (2014)。
記事 CAS Google Scholar
Rahmandad, H. & Sterman, J. 拡散力学における不均一性とネットワーク構造: エージェントベースと微分方程式モデルの比較。 管理。 科学。 54、998–1014 (2008)。
記事 Google Scholar
Bauch, CT、Sigdel, R.、Pharaon, J. & Anand, M. 人間と環境が結合したシステムにおける政権交代の早期警告信号。 手順国立アカド。 科学。 113、14560–14567 (2016)。
論文 CAS PubMed PubMed Central Google Scholar
Innes, C.、Anand, M. & Bauch, CT 森林と草原のモザイク生態系の安定性に対する人間と環境の相互作用の影響。 科学。 議員 3、1–10 (2013)。
記事 Google Scholar
Russo, L.、Spiliotis, K.、Giannino, F.、Mazzoleni, S. & Siettos, C. バウティンは、人間と環境の相互作用を伴う森林と草原の生態系における分岐点を明らかにします。 科学。 議員9、1-8(2019)。
記事 Google Scholar
Staver, AC & Levin, SA サバンナと森林システムに対する理論的な気候と火災の影響を統合します。 午前。 ナット。 180、211–224 (2012)。
論文 PubMed Google Scholar
Schertzer, E.、Staver, A. & Levin, SA サバンナと森林の双安定性に対する延焼の空間力学の影響。 J.Math. バイオル。 70、329–341 (2015)。
論文 MathSciNet CAS PubMed MATH Google Scholar
フィダマン、TS 行動気候経済モデルを使用して政策オプションを検討しています。 システム。 ディン。 Rev. J. Syst. ディン。 社会 18、243–267 (2002)。
記事 Google Scholar
スターマン、J.ら。 世界の気候: 気候交渉のロールプレイング シミュレーション。 サイマル。 ゲーム 46、348–382 (2015)。
記事 Google Scholar
マサチューセッツ州ディーガン、米国の洪水緩和政策の探索: システム動作のフィードバック ビュー (ニューヨーク州立大学、2007 年)。
Google スカラー
Richardson、GP システムダイナミクスの基礎についての考察。 システム。 ディン。 改訂 27(3)、219–243 (2011)。
記事 Google Scholar
Ghaffarzadegan, N.、Lyneis, J.、Richardson, GP 小規模システム ダイナミクス モデルが公共政策プロセスにどのように役立つか。 システム。 ディン。 改訂 27、22–44 (2011)。
記事 Google Scholar
N. ガファルザデガン氏と RC SD のラーソン氏が OR と会合: 政策問題に対処するための新たな相乗効果。 システム。 ディン。 改訂 34、327–353 (2018)。
記事 PubMed PubMed Central Google Scholar
Sterman, J. Business Dynamics (McGraw-Hill, Inc.、2000)。
Google スカラー
McGee, TK、McFarlane, BL & Varghese, J. 山火事のリスク認識と緩和策の採用に対する危険経験の影響の調査。 社会ナット。 リソース。 22、308–323 (2009)。
記事 Google Scholar
Martin, WE、Martin, IM & Kent, B. リスク軽減プロセスにおけるリスク認識の役割: 高リスク地域における山火事の事例。 J.Environ. 管理。 91、489–498 (2009)。
記事 Google Scholar
ペンシルバニア州チャンプ & H. ブレンカートスミス。百聞は一見に如かず? 長期にわたる山火事のリスクの認識。 リスクアナル。 36、816–830 (2016)。
論文 PubMed Google Scholar
マキャフリー、S. 山火事は自然災害だと考えています。 社会ナット。 リソース。 17、509–516 (2004)。
記事 Google Scholar
Massada, AB、Syphard, AD、Stewart, SI & Radeloff, VC 山火事の発火分布モデリング: 米国ミシガン州のヒューロン・マニスティー国有林における比較研究。 内部。 J. Wildland Fire 22、174–183 (2012)。
記事 Google Scholar
マンシーニ、LD 他。 山火事が市街地のドアをノックしているのだろうか? フォレスト 9、234 (2018)。
記事 Google Scholar
ニュージャージー州グラレウィッツ、TA ネルソン、マサチューセッツ州ウルダー 1980 年から 2006 年までのカナダの山火事点火の空間的および時間的パターン。 J. Wildland Fire 21、230–242 (2011)。
記事 Google Scholar
メルドラム、JR 他住民のリスク認識と山火事のリスク軽減との相互作用: 連立方程式モデリングからの証拠。 Fire 2、46 (2019)。
記事 Google Scholar
望月 J.、メクラー R.、ホッホライナー スティグラー S.、キーティング A. & ウィリゲス K. 「災害と開発」議論の再考 – マクロ経済のリスクと回復力のより広範な理解に向けて。 登る。 リスク管理。 3、39–54 (2014)。
記事 PubMed PubMed Central Google Scholar
Botzen, WW、Deschenes, O. & Sanders, M. 自然災害の経済的影響: モデルと実証研究のレビュー。 Rev.Environ. エコン。 ポリシー 13、167 ~ 188 (2019)。
記事 Google Scholar
コロナ、P.ら。 地中海の環境下での山火事を防ぐための統合的な森林管理。 (2015年)。
リファレンスをダウンロードする
著者らは、この論文の以前の草稿に対して建設的なコメントを寄せてくれた Shyam Ranganathan、Anne-Lise Velez、および Manish Bansal に感謝します。 また、3 人の匿名の査読者にも非常に感謝しています。
米国ブラックスバーグ、バージニア工科大学産業システム工学部
ファルシャド・ファルコンデマール & ナヴィド・ガファルザデガン
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
FF と NG は研究を設計し、モデルを開発しました。 FF は分析を実施し、原稿資料を作成しました。 NGは分析と原稿をチェックしました。
ファルシャド・ファルコンデマールへの通信。
著者らは競合する利害関係を宣言していません。
シュプリンガー ネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。
オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。
転載と許可
Farkhondehmaal, F.、Ghaffarzadegan, N. 結合された人間の自然システムの結果としての周期的な山火事のパターン。 Sci Rep 12、5280 (2022)。 https://doi.org/10.1038/s41598-022-08730-y
引用をダウンロード
受信日: 2021 年 7 月 21 日
受理日: 2022 年 2 月 21 日
公開日: 2022 年 3 月 28 日
DOI: https://doi.org/10.1038/s41598-022-08730-y
次のリンクを共有すると、誰でもこのコンテンツを読むことができます。
申し訳ございませんが、現在この記事の共有リンクは利用できません。
Springer Nature SharedIt コンテンツ共有イニシアチブによって提供
コメントを送信すると、利用規約とコミュニティ ガイドラインに従うことに同意したことになります。 虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。