Un modèle cyclique de feux de forêt comme résultat d'un système naturel humain couplé

Rapports scientifiques volume 12, Numéro d'article : 5280 (2022) Citer cet article

1683 accès

2 Citations

7 Altmétrique

Détails des métriques

Au cours des dernières décennies, les incendies de forêt ont imposé un coût considérable aux ressources naturelles et aux vies humaines. Dans de nombreuses régions, les tendances annuelles des feux de forêt montrent des schémas oscillatoires déroutants avec des amplitudes croissantes pour les zones brûlées au fil du temps. Cet article vise à examiner les causes potentielles de tels modèles en développant et en examinant un modèle de simulation dynamique qui représente les dynamiques sociales et naturelles interconnectées dans un système couplé. Nous développons un modèle dynamique générique et, sur la base des résultats de simulation, postulons que l'interconnexion entre les sous-systèmes humains et naturels est une source des modèles cycliques observés dans les incendies de forêt dans lesquels la perception du risque régule les activités qui peuvent entraîner plus d'incendies et le développement de propriétés vulnérables. Notre analyse des politiques basée sur la simulation indique une caractéristique non linéaire du système, qui augmente en raison des interconnexions entre le côté humain et le côté naturel du système. Cela a une implication politique majeure : contrairement aux études qui recherchent la politique la plus efficace pour contenir les incendies de forêt, nous montrons qu'une solution à long terme n'est pas une action unique, mais une combinaison de plusieurs actions qui ciblent simultanément les aspects humains et naturels. du système.

Les incendies de forêt mettent en danger la vie humaine, les ressources naturelles, la conservation des forêts et la faune1,2,3,4. Selon le National Interagency Fire Center, en 2020, plus de 52 000 incendies de forêt aux États-Unis ont brûlé environ 3,64 millions d'hectares5. Rien qu'en Californie, on a estimé qu'environ 30 personnes sont mortes à cause d'incendies de forêt au cours des 9 premiers mois de 20206. En outre, le tragique incendie de camp de 2018 à Paradise, en Californie, sans doute l'incendie le plus destructeur et le plus meurtrier de l'histoire de la Californie, a entraîné au moins 85 morts civils et brûlé plus de 60 702 hectares, détruisant plus de 18 000 structures7. De plus, le problème ne se limite pas aux États-Unis : les incendies de forêt sont un défi mondial affectant différentes régions du monde, avec des événements catastrophiques récents dans des pays tels que l'Australie, le Brésil, la Grèce, l'Algérie, la France, la Turquie et l'Indonésie. Compte tenu des tendances, le problème des incendies de forêt et leurs conséquences catastrophiques croissantes revêtent une immense pertinence politique.

Comprendre et prévoir l'occurrence des incendies de forêt est essentiel pour prendre des mesures politiques appropriées pour atténuer les risques et minimiser les conséquences associées8,9,10,11. Un examen des tendances historiques des incendies de forêt révèle des schémas cycliques déroutants dans l'incidence des incendies, avec une amplitude croissante des conséquences des incendies dans de nombreuses régions du monde, y compris aux États-Unis. Comme le montre la figure 1, aux États-Unis, nous avons connu une tendance globale à la hausse. du taux de combustion dû aux incendies de forêt, avec des fluctuations périodiques. Fait intéressant, bien que le modèle global du nombre d'incendies ne suive pas la tendance du taux de combustion, il montre des oscillations périodiques. Trouver les moteurs de ces modèles est un domaine de préoccupation pour les scientifiques naturels, les chercheurs en politique et les décideurs.

Feu de forêt aux États-Unis de 1983 à 2018 (données de www.nifc.gov).

Les incendies de forêt commencent par des allumages initiaux du feu, qui peuvent être causés par la nature par la foudre ou un comportement humain imprudent. L'apparition d'incendies naturels par la foudre dépend des conditions météorologiques et présente un schéma saisonnier12. L'inflammation d'origine humaine, en revanche, peut également provoquer des incendies à grande échelle. En fait, aux États-Unis, les incendies de forêt déclenchés par l'homme représentent environ 84 % des incendies de forêt à l'échelle nationale13. De plus, des facteurs tels que les feux de camp abandonnés, les incendies criminels et les feux d'artifice peuvent entraîner des incendies déclenchés par l'homme14,15. Les humains contribuent également indirectement aux incendies de forêt par le biais d'activités qui aggravent le changement climatique16. La libération de gaz à effet de serre dans l'atmosphère, y compris le dioxyde de carbone et le méthane, contribue à des températures plus élevées17. Un climat plus chaud conduit à une végétation plus sèche dans les forêts et augmente le risque d'incendies massifs18. De plus, la déforestation pour l'aménagement des terres réduit la capacité de la forêt à absorber les gaz à effet de serre, ce qui entraîne finalement une nouvelle augmentation de la température19,20.

Malgré l'importance des contributions humaines et naturelles directes aux incendies de forêt, la plupart des études de modélisation passées se sont concentrées uniquement sur l'une de ces deux catégories de causalité. Touboul et ses collègues ont développé des modèles de simulation d'interactions dynamiques entre différents types de végétation tels que l'herbe et les arbres forestiers. Ils ont montré que pour un large éventail de scénarios, la composition de la végétation peut osciller dans le temps21. De tels modèles axés sur la dynamique des systèmes naturels peuvent expliquer les schémas oscillatoires à long terme qui émergent des retards de rétablissement des forêts après un incendie de forêt. En ce qui concerne les contributions humaines, plusieurs modèles statistiques ont mis en évidence une corrélation entre l'établissement humain dans l'interface sauvage-urbain (WUI) et l'activité des incendies22,23,24. Dans ces modèles, la perception du risque humain est souvent un facteur exogène qui affecte le feu. Nous comprenons que les aspects naturels et humains du problème sont importants. En fait, il a été soutenu pendant longtemps que la prise en compte des liens dynamiques entre les systèmes sociaux et écologiques est essentielle pour développer des politiques environnementales durables25. Par conséquent, nous émettons l'hypothèse que l'interaction entre les systèmes naturels et humains contribue à la dynamique des feux de forêt, augmentant leur complexité et les défis d'atténuation. Pour développer des politiques appropriées, il faut prêter attention aux deux côtés du système plus large et aux interactions entre les deux. Notre objectif principal dans cet article est d'explorer les causes potentielles de ces modèles en développant et en examinant un modèle de simulation dynamique riche en rétroaction qui représente à la fois la dynamique sociale et naturelle dans un système couplé.

La figure 2 présente notre cadre d'étude, qui est conforme à un corpus de la littérature écologique qui examine une famille de phénomènes appelés systèmes humains-naturels couplés (ce domaine a été un domaine d'investigation majeur à la US National Science Foundation). Le cadre comprend des dynamiques propres à la végétation (systèmes naturels) et aux systèmes humains (dynamiques comportementales). En interaction, les deux éléments sont reliés par le secteur humain qui reçoit des informations sur les cas d'incendie récents et influence la perception du risque humain, car l'information perçue influence le risque d'incendie26. Les humains contribuent aux incendies par l'allumage d'origine humaine ou le développement de propriétés vulnérables en fonction de leur perception du risque.

(adapté de https://www.nsf.gov/pubs/2018/nsf18503/nsf18503.htm et ajusté pour le cas des incendies de forêt).

Notre cadre d'étude des incendies de forêt comme résultat d'un système couplé humain-naturel

Bien que nous nous concentrions sur le problème spécifique des incendies de forêt, il est important de faire une pause et de proposer un examen rapide des différentes approches de modélisation de catastrophes naturelles similaires, principalement d'un point de vue méthodologique. Il existe un large éventail d'approches de modélisation appliquées aux études sur les catastrophes naturelles en général et les incendies de forêt en particulier. Une telle modélisation peut être différenciée en fonction de son unité d'analyse, des délais, des techniques de modélisation mathématique, des limites et des cas d'application spécifiques.

Un grand nombre de modèles de catastrophes naturelles a été consacré à la modélisation spatiale27,28,29. Dans un modèle spatial typique de feu de forêt, l'objectif est de reproduire la progression du feu dans différentes régions. De tels modèles sont puissants pour montrer comment, dans quel ordre et à quel moment les différentes zones peuvent devenir sensibles au feu. Les modèles spatiaux peuvent également prendre différentes formes selon les unités géographiques d'analyse (par exemple, état, comté). Les réseaux de connexion entre différentes unités peuvent affecter la progression du feu, et ces modèles deviennent plus utiles à mesure qu'ils évoluent vers la modélisation des structures de réseau.

Le deuxième groupe de modèles de catastrophes naturelles comprend des modèles au niveau individuel basés sur des agents. Les modèles d'évacuation adoptent souvent de tels niveaux d'analyse et explorent les flux de personnes après une catastrophe30,31. Dans le contexte des incendies de forêt, en mettant l'accent sur la progression des incendies, les modèles à base d'agents peuvent considérer les unités de végétation comme des agents. De tels modèles conduiraient à un modèle spatial d'éléments en interaction qui dépeignent la propagation endogène du feu d'une unité de végétation à une autre. Rahmandad et Sterman32 ont souligné que dans de nombreux contextes, les modèles détaillés basés sur les agents peuvent ne pas aller au-delà de ce que l'on pourrait apprendre d'un modèle d'équation différentielle agrégé, en particulier lorsque les hétérogénéités entre les agents sont limitées et que les réseaux de connexion sont symétriques et presque complets.

D'autre part, il existe des modèles agrégés de catastrophes naturelles dans lesquels la végétation est souvent modélisée avec quelques variables majeures mais sans détails régionaux33,34. En tant que modèles compartimentaux, ceux-ci incluent souvent des équations différentielles et formulent les flux de végétation et le vieillissement des arbres dans un cadre dynamique35. Dans les modèles agrégés, la mesure dans laquelle les variables sont traitées comme des variables endogènes (c'est-à-dire qu'elles réagissent aux changements des variables d'état) est un facteur significatif de différenciation. Simon Levin et ses collègues21,36,37 ont proposé différentes variantes de modèles agrégés d'équations différentielles de la végétation. Un résultat intéressant de tels modèles du point de vue des systèmes complexes est la représentation de la bifurcation selon laquelle les résultats du modèle changent considérablement d'un état stable à un comportement de recherche d'objectifs ou en forme de s ou même des oscillations à long terme pour différentes plages de valeurs des paramètres.

Au sein de la communauté de la dynamique des systèmes, il existe également une riche littérature sur la modélisation des problèmes environnementaux25,38,39. Deegan40 a mené des travaux méthodologiquement pertinents dans un contexte de catastrophe naturelle légèrement différent. Il a modélisé la dynamique des dommages causés par les inondations dans une communauté typique sujette aux inondations, en tenant compte des réactions à long terme de la communauté aux inondations récentes et aux dommages connexes. Deegan s'est concentré sur des cas d'inondation hypothétiques, dans l'intention de montrer comment des événements externes apparemment similaires (ici, des pluies importantes) peuvent causer différents niveaux de dommages en fonction des réactions de la communauté et des investissements dans des propriétés vulnérables. Ce qui différencie son travail des autres, c'est que le modèle de Deegan est riche en rétroaction et que les résultats dynamiques sont créés au sein du modèle plutôt que par une série chronologique externe41. À certains égards, notre approche de la modélisation des incendies de forêt résonne avec les travaux d'atténuation des inondations de Deegan en considérant la vulnérabilité comme une propriété endogène du système affecté par la perception humaine du risque.

Ce qui rend ces modèles agrégés puissants, c'est qu'ils sont relativement petits (ont moins d'équations), et lorsque les détails sont supprimés, ils se concentrent sur les réponses du système et les boucles de rétroaction sans perdre de nombreuses informations au niveau du système32. Les modélisateurs peuvent également mieux communiquer les informations issues de petits modèles aux parties prenantes42. Il est important de noter que les petits modèles puissants ne sont pas faciles à construire et qu'ils sont souvent le résultat de nombreuses séries de modélisations complexes et détaillées43, ce qui a également été le cas dans notre étude. Compte tenu de l'étendue de notre problème, nous suivons la même approche de modélisation.

Différents modèles utilisent des termes variés pour représenter les hétérogénéités de la végétation dans une zone forestière. Aux fins de parcimonie, notre modèle représente l'ensemble de la superficie forestière par deux simples variables de stock de zones occupées par une forte végétation (S) et occupées par une végétation inflammable (F) qui sont toutes présentées comme des variables de stock dans la Fig. 3 (variables dans des boites). La végétation forte est souvent résistante au feu, et seuls les incendies à grande échelle peuvent les brûler. La végétation hautement inflammable comprend la végétation endommagée ou toute végétation pouvant brûler rapidement (y compris l'herbe). Ce type de végétation peut brûler rapidement, et la foudre ou l'inflammation humaine affecte souvent en premier la végétation inflammable. Le brûlage peut provoquer la propagation du feu à une forte végétation. Bien que notre figure soit une simple représentation des zones forestières, la logique est conforme aux études qui ont offert plus de détails sur les types de végétation.

Un diagramme stock-flux de la végétation. Remarque : Les variables de chaussette représentent l'état du système et sont affichées dans des cases (végétation forte, végétation inflammable et zone vide), et les débits, représentant le changement des variables d'état, sont représentés par des signes de vanne. Les influences causales sont indiquées par des liens bleus, où un signe plus dans X → + Y indique que X et Y se déplacent dans la même direction (\({\text{X}} \to + {\text{Y}} \Leftrightarrow { {\partial {\text{Y}}} \mathord{\left/ {\vphantom {{\partial {\text{Y}}} {\partial {\text{X}}}}} \right. \kern -\nulldelimiterspace} {\partial {\text{X}}}} > 0\)). Un signe moins sur une flèche causale indique que les variables se déplacent dans la direction opposée (\({\text{X}} \to - {\text{Y}} \Leftrightarrow {{\partial {\text{Y}}} \mathord{\left/ {\vphantom {{\partial {\text{Y}}} {\partial {\text{X}}}}} \right.\kern-\nulldelimiterspace} {\partial {\text{ X}}}} < 0\)). Pour des informations détaillées sur les diagrammes de boucle causale, voir Sterman44.

Dans ce modèle, les boucles B1 et B2 représentent la détérioration de la végétation forte et inflammable par le feu. Comme indiqué, le feu peut accroître la vulnérabilité d'une forte végétation en brûlant la zone environnante et en la rendant plus vulnérable au feu. Ce mécanisme est illustré par les boucles R1 (le brûlage de la végétation inflammable augmente encore la végétation inflammable) et B3 (le brûlage de la végétation forte rend les autres végétations fortes vulnérables au feu). Dans cette étude, nous supposons que les deux zones occupées par une végétation forte et inflammable sont homogènes. En prenant cette hypothèse simpliste, nous pensons que le comportement du modèle est indépendant des détails spatiaux des végétations. Cette hypothèse, appelée universalité, a déjà été considérée dans différentes études de modélisation compartimentale37.

Nous basons notre modèle sur l'unité de surface forestière, ce qui conduit au fait que la surface vide (E) de la forêt peut être déterminée par l'équation suivante :

Nous pouvons alors représenter la relation entre les variables de stock par les équations différentielles suivantes.

où \(\gamma_{S}\) et \(\gamma_{F}\) sont le taux de combustion fractionnaire de la végétation forte et inflammable, respectivement ; \(\alpha\) est le taux de transformation d'une végétation solide en inflammable ; \(\tau_{1}\) est le temps moyen pour que la végétation inflammable devienne forte ; et \(\tau_{2}\) est le temps moyen nécessaire à l'espace vide pour faire pousser une végétation inflammable, où souvent \(\tau_{2} < < \tau_{1}\). Ainsi, le taux de brûlage total des deux types de végétation (B) est

Dans cette équation, \(\gamma_{F}\), la vitesse à laquelle la végétation inflammable est brûlée, est une fonction du total des allumages humains et naturels. Cependant, \(\gamma_{S}\), le taux de combustion fractionnaire de la végétation forte dépend du taux de combustion de la végétation inflammable et se produit lorsque le feu se propage dans la forêt, c'est-à-dire \(\gamma_{S} = f\left( {\gamma_{F} F} \right)\). Nous formulons f en utilisant une fonction sigmoïde (tableau 1). De plus, \(\alpha\), le taux d'inflammabilité d'une forte végétation à la suite d'un incendie est \(\alpha = \sigma B\) où \(\sigma\) est l'effet de combustion sur la vulnérabilité.

Généralement, l'attitude du public envers la prise de décisions risquées est influencée par leur niveau de perception du risque. Dans le cas des incendies de forêt, il existe un large éventail de preuves que l'attention des gens au problème et peut-être la perception des risques associés ont changé au fil du temps. La figure 4 illustre la fréquence des recherches Google pour le mot "wildfire" aux États-Unis. Les tendances sont oscillatoires et il existe une corrélation de 0,4 entre la recherche et la superficie brûlée de 2004 à 2018.

Tendance de la recherche Google pour « feux de forêt » aux États-Unis et sa corrélation avec la superficie annuelle brûlée.

Il existe un ensemble de recherches axées sur la façon dont la perception du risque d'incendie de forêt est associée aux mesures d'atténuation45,46,47,48. Une étude d'une zone sujette aux incendies dans le Colorado a révélé qu'un seul feu de forêt extrême n'a pas d'impact significatif sur la perception des risques47. En outre, les données sur la perception des risques d'incendie par la population montrent que tout changement dans la perception des risques d'incendie ne dure pas plus de deux ans48. Nous construisons l'effet de la perception du risque sur les actions humaines sur la base des recherches susmentionnées avec deux caractéristiques importantes. Premièrement, l'activité globale des incendies de forêt au cours des dernières années façonne la perception du risque d'incendie des gens ; deuxièmement, l'effet du feu de forêt sur la perception des gens disparaît avec le temps.

Nous incluons deux mécanismes majeurs pour décrire les effets du changement dans la perception du risque, comme le montre la figure 5. La boucle B4, la complaisance, représente la contribution humaine au feu par des comportements imprudents, qui peuvent provoquer l'allumage du feu. La boucle B5, propriétés vulnérables, représente la construction immobilière en zone forestière. De telles propriétés augmentent l'interaction humaine avec l'environnement naturel et la probabilité d'inflammation d'origine humaine. Nous considérons également le fait que ces propriétés pourraient être elles-mêmes des cibles d'incendie, boucle B6.

Le sous-système humain connecté au sous-système naturel (gris).

Dans ce modèle de perception du risque, \(\overline{B}\) est formulé comme une variable décalée de \(\delta_{1}\) an du taux d'épuisement (\(B\)), en supposant qu'il n'y a pas de biais systématique dans perception du risque. L'allumage total de I comprend l'allumage d'origine humaine (\(I_{H}\)) et l'allumage naturel dû à la foudre (\(I_{N}\)), ce dernier étant supposé constant dans notre modèle. Plusieurs études dans différentes régions du monde (Espagne, Canada et États-Unis) suggèrent une augmentation de l'inflammation causée par l'homme par les établissements humains dans la région49,50,51. Nous considérons également que le nombre d'allumages humains est inversement lié à leur perception du risque. En supposant que les établissements humains sont représentés par des propriétés vulnérables, V, nous formulons \(I_{H}\) comme \(I_{H} \left( {V,\overline{B}} \right)\) où \(\frac {{\partial I_{H} }}{\partial V} > 0\) et \(\frac{{\partial I_{H} }}{{\partial \overline{B}}} < 0\). Par souci de parcimonie, nous formulons l'effet de \(\overline{B}\) sur \(I_{H}\) à l'aide d'une fonction linéaire (voir l'annexe).

Bien que Martin et al. 43 ont discuté de la manière dont différentes parties prenantes (y compris les compagnies d'assurance et les agences fédérales) pourraient augmenter la sensibilité des humains à la perception du risque, ils n'ont fourni aucune estimation quantitative de cette valeur.

Enfin, les propriétés vulnérables, V, qui peuvent changer dans le temps, sont formulées comme

Le terme, \(\theta E_{bt}\) représente le développement immobilier et est supposé être proportionnel aux propriétés actuelles et affecté négativement par la perception des risques. La relation inverse entre le risque perçu et l'expansion des propriétés vulnérables est une approximation des conditions externes telles que le zonage, car les décisions en matière de politique de construction sont trop complexes pour être modélisées directement car elles sont très spécifiques au contexte et impliquent des décisions politiques52. Alors que certaines études suggèrent qu'il n'y a pas de relation entre l'occurrence des catastrophes naturelles et les programmes de développement communautaire, d'autres considèrent que l'intensité économique (comme la police d'assurance) entraîne une réduction du rythme de développement à mesure que les catastrophes augmentent53,54. Ici, nous reconnaissons qu'il n'y a pas d'accord général sur l'effet des catastrophes naturelles et des programmes de développement et construisons le modèle pour les zones où une telle relation est prouvée. Le terme \(\rho V\) représente la démolition de propriétés. La démolition dans notre modèle est principalement due à l'incendie, c'est-à-dire \(\rho = \rho \left( B \right)\).

Le modèle introduit est générique et peut être simulé pour une large gamme de valeurs de paramètres. Le tableau 1 rapporte les valeurs des paramètres utilisés pour les simulations d'exécution de base. Certaines des valeurs sont conformes à la littérature, tandis que d'autres sont choisies pour examiner la variation des conditions dans différents contextes forestiers. Pour nous assurer que le résultat de la modélisation est robuste, nous effectuons une analyse de sensibilité pour un large éventail de variables. Le résultat de sensibilité suggère que le résultat du modèle est cohérent avec l'exécution de base (voir l'annexe 2).

Nos expériences de simulation comprennent une simulation de base et une gamme de tests de politiques et de scénarios, comme indiqué dans le tableau 2. Le tableau fournit également des détails sur la manière dont chaque test est mis en œuvre dans notre analyse. Plus précisément, nous analysons le lien entre la dynamique naturelle et la perception humaine et ses conséquences sur le développement du feu en modifiant la sensibilité de la perception du risque au taux de combustion (Test T2). Nous examinons ensuite les effets de quatre politiques différentes : limitation du développement des propriétés vulnérables (P1), brûlage dirigé et contrôlé de la végétation inflammable (P2), lutte efficace contre les incendies qui limite la pénétration du feu de la végétation inflammable à la végétation forte (P3) et dégagement coupe (P4) qui enlève une partie des arbres à forte végétation et la transforme en zone vide55.

La figure 6 montre les résultats de la simulation d'exécution de base. Dans ce scénario, la forte végétation décline avec le temps, tandis que la zone vide et la végétation inflammable ont des tendances à la hausse. En tant que tel, plus de carburant serait disponible pour la combustion, et le feu de forêt peut brûler des zones plus larges. Le panneau (a) montre une tendance oscillatoire du taux de combustion avec une tendance moyenne à la hausse (pour s'assurer que le comportement oscillatoire du modèle ne s'estompe pas, l'annexe 4 montre le résultat de la simulation sur 100 ans). Le modèle observé dans le taux de combustion peut être attribué aux modèles d'inflammation humaine (panneau b) et à la tendance croissante des propriétés vulnérables (panneau c). De plus, les résultats montrent la tendance à la baisse à long terme de la forte végétation dans notre simulation de base (panneau d) ; au fil du temps, une végétation plus solide est remplacée par une végétation inflammable qui peut provoquer davantage d'incendies. Ce changement dans la composition de la végétation augmente effectivement le taux de brûlage moyen. Au fil du temps, avec une végétation plus inflammable et avec l'expansion des propriétés vulnérables, la probabilité d'inflammation d'origine humaine augmente.

Simulation de l'exécution de base pour une exécution du modèle sur 20 ans.

La figure 7 montre comment la relation entre le risque d'incendie perçu et le taux de combustion influence le système. La ligne noire est la simulation d'exécution de base à des fins de comparaison. La ligne pointillée bleue représente la condition dans laquelle la perception du risque change extrêmement lentement et le système humain est presque déconnecté du système naturel. Dans cette situation, si les humains sous-estiment le potentiel d'incendie, le système brûle la nature, entraînant un résultat environnemental catastrophique, comme illustré dans le panneau (a). Le panneau (a) montre que le taux de combustion dépasse à court terme mais diminue relativement en raison de moins de ressources naturelles restantes à brûler.

Analyse de l'effet de couplage pendant 20 ans. L'unité d'inflammation humaine est Ignition/an, et l'unité de propriété vulnérable est un million d'hectares. La végétation forte et la végétation inflammable sont fournies comme le ratio qui occupe chacune la zone forestière.

Le panneau (b) affiche le taux de combustion total tout au long de la durée de l'étude pour mieux comprendre la sensibilité du taux de combustion au risque perçu. Le taux de brûlure global ne change pas de manière significative lorsque la perception du risque passe de 0,5 à 2, ce qui indique que la différence entre les taux de brûlure dans le panneau (a) concerne davantage le moment de la fluctuation, mais pas la taille. Cependant, une augmentation supplémentaire du sentiment de risque augmente considérablement le taux de brûlure global, comme on le voit dans le panneau (a).

Dans le cas d'un changement prolongé de la perception du risque, l'inflammation humaine continue d'augmenter (panneau c) à mesure que le risque perçu change lentement. De plus, les propriétés vulnérables se construisent plus vite que leur démolition (panel d). Un léger retard de perception conduit à une fréquence d'oscillation plus élevée, comme illustré dans les graphiques par les lignes pointillées rouges et à un retard plus long dans une oscillation à basse fréquence, comme indiqué par les graphiques violets. Dans l'ensemble, les résultats ne sont pas très différents de la course de base. Nous perdons des forêts (panneau e) et avons des taux de brûlage périodiques d'ampleur croissante au fil du temps.

Nous examinons ici l'impact de la mise en œuvre de quatre politiques proposées présentées dans le tableau 2. Pour éviter que la condition initiale et les périodes de transition n'affectent notre comparaison des politiques proposées, nous avons imposé chaque politique à la cinquième année et comparé les taux de combustion totaux entre 10 et 20 ans. La figure 8 montre l'effet de ces politiques sur différentes variables.

La mise en œuvre de la politique. Remarque : P1 : limite le développement immobilier vulnérable ; P2 : brûlage dirigé ; P3 : lutte contre l'incendie efficace ; et P4 : Coupe rase. L'unité d'inflammation humaine est Ignition/an, et l'unité de propriété vulnérable est un million d'hectares. La végétation forte et la végétation inflammable sont fournies comme le ratio qui occupe chacune la zone forestière.

Les panneaux (a) et (b) montrent le taux de combustion au fil du temps et cumulatif, respectivement. Les quatre politiques réduisent l'ampleur du taux de combustion par rapport à l'exécution de base. Le P3 est plus efficace dans la réduction précoce du taux de combustion par rapport à d'autres politiques, mais ils aboutissent finalement à un comportement similaire. Il convient de noter que P1 a le plus d'effet sur la réduction des fluctuations à long terme, bien que son effet total dans le laps de temps soit inférieur à P3. Il semble que la lutte contre les incendies soit plus efficace à court terme, mais elle ne parvient pas à atténuer les fluctuations et limite plutôt sa croissance. Cela s'explique en partie par l'augmentation de l'inflammation et de l'implantation humaine due au succès de la lutte contre les incendies à court terme. En conséquence, les gens perçoivent moins de danger d'incendie et continuent de se livrer à des activités à haut risque et d'agrandir le logement dans le WUI. Le résultat est une fluctuation supplémentaire du taux de combustion même lorsque P3 est mis en œuvre. D'autre part, la politique de limitation d'expansion WUI peut réduire efficacement la fluctuation du taux de combustion en temps opportun. La mise en œuvre de P4 entraîne une réduction de la végétation forte, ce qui entraîne une augmentation de la végétation inflammable. Comme la végétation inflammable est le principal combustible des incendies de forêt, cette politique entraîne une augmentation de la disponibilité du combustible et une augmentation du taux de combustion.

Le changement d'inflammation humaine est fourni dans le panneau (c). Différents niveaux d'inflammation d'origine humaine sont observables, et la raison en est que les gens ajustent leur comportement à haut risque avec le taux de combustion, et non avec le nombre d'incendies. Dans la politique de lutte contre l'incendie, comme pour un niveau d'inflammation donné, le taux de combustion diminue, on observe plus de comportements à risque et plus d'inflammation d'origine humaine. Il est intéressant de noter que, comme le montre le panneau (c), nous nous retrouvons avec plus de WUI sous les politiques 2, 3 et 4. En fait, la raison en est que la lutte contre les incendies, le brûlage dirigé et la coupe à blanc n'affectent que le secteur naturel du modèle, diminue le taux de combustion, ce qui diminue la perception du risque et entraîne à son tour un développement accru de la WUI. D'autre part, P1 cible directement les WUI.

Le panneau (e) affiche le changement de végétation forte, ce qui montre que P4 provoque la plus grande réduction du couvert forestier car il supprime directement la végétation forte. P2 provoque également une diminution de la forte végétation par rapport au parcours de base. La raison en est que le brûlage de la végétation inflammable endommage les jeunes arbres et les empêche de se développer en végétation solide. Par contre, le P3 a le moins d'effet sur la forte végétation en ralentissant les dégâts sur les jeunes arbres et en confinant le feu. Le panneau (f) montre la dynamique de la végétation inflammable après l'imposition de chaque politique. P3 et P2 réduisent davantage la végétation inflammable que P1. Cependant, il existe une différence importante dans la manière dont ces politiques provoquent la réduction de la végétation inflammable. En comparant les panneaux (a) et (b), nous voyons que tandis que P3 provoque de nouvelles augmentations de la forte végétation, P2 provoque une augmentation de la zone vide. P4 est la seule politique qui augmente la végétation inflammable en enlevant la végétation forte et en fournissant une zone vide à remplir de jeune végétation.

Dans l'ensemble, il semble que chaque politique ait un effet marginal sur la maîtrise des incendies de forêt, bien que l'ampleur de l'effet ne soit pas considérable.

Pour la validation du modèle, nous étudions sa capacité à s'adapter à un seul cas, les incendies de forêt aux États-Unis de 1996 à 2015. Nous utilisons la base de données sur les incendies de forêt du Département de l'agriculture des États-Unis pour les États-Unis contigus (Short, 2017). Les résultats sont présentés à la Fig. 9. Dans cette figure, la simulation du taux de combustion et de l'allumage humain (lignes continues, en noir) suit de près les données du monde réel (lignes pointillées, en rouge), et le modèle reproduit fidèlement les tendances historiques. .

Taux de combustion et allumage humain par unité de superficie forestière. La ligne noire représente le résultat du modèle et la ligne pointillée rouge représente l'activité historique des incendies de forêt aux États-Unis contigus.

Pour mieux comprendre les impacts de nos politiques, nous appliquons simultanément différentes paires de politiques. Les résultats illustrent les impacts différentiels non linéaires entre les politiques. En termes simples, il semble que l'impact de plusieurs politiques est renforcé lorsqu'elles sont combinées de manière synergique. En d'autres termes, l'application de plusieurs politiques pourrait avoir un impact global plus important que la somme des effets individuels des politiques et suggère que les décideurs politiques devraient éviter de chercher une panacée et adopter un large éventail d'approches de manière réfléchie.

Les résultats de plusieurs implémentations de politiques ainsi que d'une seule sont présentés à la Fig. 10. Par exemple, P1 et P2 réduisent chacun le taux de combustion total de 4,9 % et 4,5 %, respectivement. Alors que la somme de ces effets est de 9,4 %, la mise en œuvre simultanée de P1 et P2 entraîne une réduction du taux de combustion de 13,6 % - P1 contrôle l'inflammation humaine et P2 réduit le stock de végétation inflammable - ensemble, le taux de combustion est plus affecté que s'il était mis en œuvre séparément. Le cas est plus intéressant lorsque P1 et P3 sont imposés ensemble. Le résultat est une réduction de 38 % du taux de combustion contre 13,9 %, qui est la somme de la seule mise en œuvre de chaque politique. L'effet synergique se produit parce que P3 laisse la végétation inflammable (principalement les jeunes arbres) vieillir et devenir une végétation forte. De plus, le P1 empêche également l'allumage humain de se développer aussi rapidement qu'une seule implémentation P3.

L'effet non linéaire des politiques. Les avantages de la mise en œuvre de politiques multiples diffèrent de la somme des effets des politiques. La figure montre le pourcentage de réduction du taux de combustion. Remarque : P1 : limiter le développement immobilier vulnérable ; P2 : brûlage dirigé ; P3 : lutte contre l'incendie efficace ; et P4 : Coupe rase.

Un cas intéressant se produit lorsque P2 et P3 sont implémentés ensemble. L'effet synergique est inférieur à la somme des mises en œuvre séparées, principalement parce que les deux politiques affectent la dynamique de la végétation et non le facteur humain dans le feu de forêt. P2 et P3 provoquent tous deux un taux de combustion initial inférieur, mais en raison de la réduction du risque perçu d'incendie de forêt et de l'expansion de WUI, cet effet disparaît rapidement. C'est une autre preuve de l'importance de considérer le problème comme un système naturel et humain interconnecté, où des politiques efficaces devraient s'adresser aux deux côtés.

Enfin, un résultat intéressant apparaît lorsque toutes les politiques s'imposent ensemble. Étonnamment, imposer toutes les politiques ensemble n'a pas le plus d'impact sur le taux de consommation total (32,5 %), qui est inférieur à l'effet P1 et P3 (38,0 %). La raison est principalement liée au fait que P2 et P4 provoquent tous deux une augmentation de la végétation inflammable après le remplissage de la zone vide, ce qui entraîne une augmentation du taux de combustion après un certain délai.

Nous avons effectué une série d'analyses de sensibilité pour vérifier la robustesse du modèle par rapport à nos hypothèses. Plus précisément, nous avons effectué une analyse de Monte-Carlo et modifié plusieurs valeurs de paramètres pour déterminer l'éventail des résultats. Les résultats sont présentés à l'annexe 2. En résumé, l'accent a été mis sur les paramètres qui peuvent prendre des valeurs sensiblement différentes de celles supposées dans le modèle, y compris les paramètres utilisés pour la formulation de la perception du risque, son effet sur le comportement humain, comme le temps nécessaire pour percevoir le risque et le temps nécessaire pour changer de comportement, en plus du taux de combustion fractionnaire par allumage, de la combustion moyenne, de la végétation inflammable initiale, de la végétation forte initiale, du multiplicateur d'allumage humain et de la propriété vulnérable initiale. Comme décrit dans l'annexe, pour la plupart de ces variables, nous avons modifié la variable correspondante jusqu'à doubler sa valeur d'exécution de base. De plus, nous testons différentes valeurs pour la végétation forte initiale et la végétation inflammable initiale en les changeant entre zéro et leurs valeurs de base. Chaque test de sensibilité est le résultat de 2000 simulations utilisant une distribution aléatoire uniformément distribuée des paramètres dans les intervalles spécifiés. Les résultats sont qualitativement robustes et leur variabilité se situe dans des limites raisonnables (voir la figure A1).

Les incendies de forêt restent l'un des principaux défis mondiaux affectant différentes régions du monde sur tous les continents. Alors que les pays mettent en œuvre différentes actions politiques pour améliorer les résultats catastrophiques des incendies de forêt, il semble que (a) nous sommes loin d'aborder ce problème à l'échelle mondiale, et (b) dans l'ensemble, les tendances vont dans la mauvaise direction, indiquant une augmentation l'ampleur des incendies et des zones brûlées. Cet article est une réponse à ce défi. Nous avons développé un modèle de dynamique de système de propagation des incendies de forêt dans un scénario hypothétique et simulé les effets de plusieurs mécanismes importants pour déterminer le taux de combustion, la fréquence des incendies et la perception du risque public des incendies de forêt. Le modèle comprenait deux secteurs majeurs du sous-système naturel et humain qui étaient reliés par la contribution humaine à l'inflammation et la perception humaine du risque d'incendie. Nous avons simulé le modèle pour un large éventail de scénarios qui représentent différents niveaux de sensibilité humaine à l'évolution des incendies et une gamme de mesures politiques de confinement. Nos résultats montrent comment les humains et la végétation déterminent l'activité des feux de forêt, définissant les feux de forêt comme un système couplé humain-naturel. Les résultats sont importants dans leurs changements relatifs, et non dans leurs valeurs absolues, en raison de l'hypothèse hypothétique du modèle.

Nous avons mené plusieurs expériences de simulation avec le modèle. Les résultats montrent un large éventail de schémas oscillatoires dans différents scénarios et conditions politiques. L'exécution de base décrivait la possibilité d'un résultat oscillatoire dans l'allumage d'origine humaine et d'un schéma oscillatoire dans le taux de combustion avec une tendance globale à la hausse. La diminution de la végétation forte et l'augmentation des propriétés vulnérables entraînent une tendance à l'augmentation du taux de brûlage tandis que la dynamique de la perception humaine affecte le schéma oscillatoire.

Notre étude contribue à la littérature sur la modélisation des catastrophes naturelles et plus particulièrement aux études sur les incendies de forêt. Nous proposons le premier modèle du système couplé humain-naturel des feux de forêt. Notre étude s'appuie sur plusieurs modèles passés de dynamique écologique21, en particulier dans la dynamique des feux de forêt37, et les étend pour inclure l'interaction humaine avec les systèmes naturels. Le modèle est générique avec l'objectif de fournir des informations sur les intentions de la nature humaine en relation avec le problème des incendies de forêt. Notre travail est différent des modèles spatiaux antérieurs des feux de forêt. Dans la modélisation spatiale des incendies de forêt, l'effet humain est spatialement statique. Ici, nous montrons que la même population pourrait allumer un nombre différent d'incendies et affecter le comportement des feux de forêt. Notre approche différente des études antérieures entraîne également des résultats différents. Par exemple, nous soulignons les sources de résistance des politiques à contenir les incendies de forêt en termes de perception des risques et de construction de propriétés adjacentes aux ressources naturelles.

Notre étude est en résonance avec certains des modèles de dynamique de système antérieurs d'autres catastrophes naturelles36,37. Nous adoptons une approche endogène du concept de vulnérabilité du système en considérant l'élément humain comme une partie du système qui à la fois réagit au problème et contribue au problème. L'importance de la modélisation riche en rétroaction a déjà montré sa valeur dans la gestion durable de l'environnement, y compris la qualité de l'eau, la gestion des déchets et l'approvisionnement en eau25. Nous proposons ici une approche similaire pour la gestion des incendies de forêt et visons à comprendre les mécanismes importants qui façonnent le comportement des incendies de forêt.

L'étude a plusieurs implications politiques. Nous avons comparé quatre politiques : brûlage dirigé, contrôle des biens vulnérables, amélioration de l'efficacité de la lutte contre les incendies et coupe à blanc. Nous avons montré que l'efficacité de la lutte contre les incendies est plus efficace pour réduire le taux de combustion total que les autres politiques proposées. Plus important encore, nous avons montré que la mise en œuvre simultanée de politiques peut conduire à un effet synergique qui peut dépasser la somme de l'effet de la seule mise en œuvre des mêmes politiques. Par exemple, alors que le contrôle du développement des propriétés vulnérables et une lutte efficace contre les incendies réduisent chacun le taux de combustion de 4,9 % et 9 %, respectivement, la mise en œuvre des deux politiques entraîne une réduction du taux de combustion de 38 %. Un tel effet synergique indique l'absence d'une solution miracle dans le contrôle des incendies de forêt, ce qui suggère que des politiques efficaces devraient cibler à la fois les secteurs humain et naturel du système afin de maximiser leur efficacité. En d'autres termes, puisque les incendies de forêt sont le résultat d'un système couplé qui comprend des secteurs humains et naturels hautement interdépendants, on ne peut pas le résoudre en se concentrant uniquement sur un secteur.

Cette étude présente plusieurs limites qui conduisent à de futures pistes d'explorations futures. Nous avons délibérément gardé le modèle simple en mettant l'accent sur les interdépendances entre les secteurs humain et naturel du modèle. Par exemple, un examen détaillé de la dynamique spatiale dans ce contexte, qui nécessitera un modèle à plus grande échelle, sera potentiellement instructif et aura des implications politiques. Avec un modèle spatial, l'analyse des politiques peut être élargie pour inclure les effets d'un large éventail de politiques sylvicoles (telles que l'éclaircie), et avec des modèles comportementaux plus détaillés qui capturent les hétérogénéités humaines, on peut offrir des informations sur les politiques comportementales. Un étalonnage complet du modèle à l'échelle mondiale et l'inclusion de la pénétration du feu dans différentes régions sont d'autres voies potentielles d'expansion.

Scott, JH, Thompson, MP et Calkin, DE Un cadre d'évaluation des risques d'incendie de forêt pour la gestion des terres et des ressources (2013).

McFarlane, BL, McGee, TK et Faulkner, H. Complexité de l'atténuation des risques d'incendie de forêt par les propriétaires : une intégration des théories des risques. Int. J. Wildland Fire 20, 921–931 (2011).

Article Google Scholar

Radeloff, VC et al. La croissance rapide de l'interface entre la nature sauvage et les zones urbaines aux États-Unis augmente le risque d'incendie de forêt. Proc. Natl. Acad. Sci. 115, 3314–3319 (2018).

Article ADS CAS PubMed PubMed Central Google Scholar

Fowler, M. et al. Un ensemble de données sur la perception humaine et la réponse à la fumée des feux de forêt. Sci. Données 6, 1–10 (2019).

Article Google Scholar

Philantropie, CFD 2020 North American Wildfire Season (2020).

NBCNews. Des incendies meurtriers en Californie ont fait au moins 30 morts cette année. [30 septembre 2020]. https://www.nbcnews.com/news/us-news/deadly-fires-california-have-claimed-least-30-lives-year-n1241632 (2020).

Post, W. L'incendie de forêt le plus meurtrier et le plus destructeur de l'histoire de la Californie a finalement été maîtrisé (2018).

Catry, FX, Rego, FC, Bação, FL & Moreira, F. Modélisation et cartographie du risque d'inflammation des feux de forêt au Portugal. Int. J. Wildland Fire 18, 921–931 (2010).

Article Google Scholar

De Vasconcelos, MP, Silva, S., Tome, M., Alvim, M. & Pereira, JC Prédiction spatiale des probabilités d'allumage du feu : comparaison de la régression logistique et des réseaux de neurones. Photogramme. Ing. Remote Sens. 67, 73–81 (2001).

Google Scholar

Johnson, EA et Miyanishi, K. Feux de forêt. Comportement et effets écologiques 570 (Elsevier, 2001).

Google Scholar

Bonazountas, M., Kallidromitou, D., Kassomenos, P. & Passas, N. Analyse du risque d'incendie de forêt. Hum. Écol. Évaluer les risques. 11, 617–626 (2005).

Article Google Scholar

Loeb, LB Le mécanisme de la foudre. Sci. Suis. 180, 22-27 (1949).

Article CAS PubMed Google Scholar

Balch, JK et al. Les incendies de forêt déclenchés par l'homme élargissent la niche du feu à travers les États-Unis. Proc. Natl. Acad. Sci. 114, 2946-2951 (2017).

Article ADS CAS PubMed PubMed Central Google Scholar

Prestemon, JP & Butry, DT L'économie des perturbations forestières 123–147 (Springer, 2008).

Réserver Google Scholar

Bartlein, PJ, Hostetler, S., Shafer, S., Holman, J. & Solomon, A. In 5th Symposium on Fire and Forest Meteorology. 16–20.

Abatzoglou, JT & Williams, AP Impact du changement climatique anthropique sur les incendies de forêt dans les forêts de l'ouest des États-Unis. Proc. Natl. Acad. Sci. 113, 11770–11775 (2016).

Article ADS CAS PubMed PubMed Central Google Scholar

Fleming, JR Joseph Fourier, "l'effet de serre" et la recherche d'une théorie universelle des températures terrestres. Endeavour 23, 72–75 (1999).

Article Google Scholar

Westerling, AL, Hidalgo, HG, Cayan, DR & Swetnam, TW Le réchauffement et le début du printemps augmentent l'activité des feux de forêt dans l'ouest des États-Unis. Sciences 313, 940–943 (2006).

Article ADS CAS PubMed Google Scholar

Fiddaman , T. , Sterman , J. , Jones , AP , Sawin , ER & Siegel , LS C-ROADS : Aperçu rapide du climat et simulateur d'aide à la décision (2008).

Rooney-Varga, JN et al. La simulation de l'action climatique. Simul. Jeux 51, 114-140 (2020).

Article Google Scholar

Touboul, JD, Staver, AC & Levin, SA Sur la dynamique complexe des paysages de savane. Proc. Natl. Acad. Sci. 115, E1336–E1345 (2018).

Article MathSciNet CAS PubMed PubMed Central MATH Google Scholar

Pew, K. & Larsen, C. Analyse SIG des schémas spatiaux et temporels des incendies de forêt d'origine humaine dans la forêt pluviale tempérée de l'île de Vancouver, Canada. Pour. Écol. Géré. 140, 1-18 (2001).

Article Google Scholar

Matin, MA et al. Comprendre les schémas et les risques des incendies de forêt au Népal à l'aide de la télédétection, du système d'information géographique et des données historiques sur les incendies. Int. J. Wildland Fire 26, 276–286 (2017).

Article Google Scholar

Vilar, L., Woolford, DG, Martell, DL & Martín, MP Un modèle pour prédire l'occurrence des incendies de forêt d'origine humaine dans la région de Madrid, en Espagne. Int. J. Wildland Fire 19, 325–337 (2010).

Article Google Scholar

Stave, K. Modélisation de la dynamique des systèmes participatifs pour la gestion durable de l'environnement : Observations de quatre cas. Durabilité 2, 2762–2784 (2010).

Article Google Scholar

Langarudi, SP, Silva, CG & Fernald, AG Mesurer plus ou rapporter plus vite ? Effet de la perception de l'information sur la gestion des biens communs. Syst. Dyn. Rév.37, 72–92 (2021).

Article Google Scholar

Keane, RE, Drury, SA, Karau, EC, Hessburg, PF & Reynolds, KM Une méthode de cartographie des risques et des risques d'incendie à plusieurs échelles et son application à la gestion des incendies. Écol. Modèle. 221, 2–18 (2010).

Article Google Scholar

Finney, MA et al. Une méthode pour la simulation d'ensemble des incendies de forêt. Environ. Modèle. Évaluer. 16, 153–167 (2011).

Article Google Scholar

Davis, C. et al. Prévision des ouragans touchant terre avec le modèle avancé d'ouragan WRF. Lun. Météo Rév. 136, 1990–2005 (2008).

Annonces d'article Google Scholar

Chen, X. & Zhan, FB Modélisation et simulation basées sur des agents 78–96 (Springer, 2014).

Réserver Google Scholar

Yin, W., Murray-Tuite, P., Ukkusuri, SV et Gladwin, H. Un système de modélisation basé sur des agents pour la simulation de la demande de déplacement pour l'évacuation des ouragans. Transp. Rés. Partie C Urg. Technol. 42, 44–59 (2014).

Article CAS Google Scholar

Rahmandad, H. & Sterman, J. Hétérogénéité et structure de réseau dans la dynamique de diffusion : comparaison des modèles d'équations différentielles et à base d'agents. Géré. Sci. 54, 998-1014 (2008).

Article Google Scholar

Bauch, CT, Sigdel, R., Pharaon, J. & Anand, M. Signaux d'alerte précoce des changements de régime dans les systèmes couplés homme-environnement. Proc. Natl. Acad. Sci. 113, 14560–14567 (2016).

Article CAS PubMed PubMed Central Google Scholar

Innes, C., Anand, M. & Bauch, CT L'impact des interactions homme-environnement sur la stabilité des écosystèmes de la mosaïque forêt-prairies. Sci. Rep. 3, 1–10 (2013).

Article Google Scholar

Russo, L., Spiliotis, K., Giannino, F., Mazzoleni, S. & Siettos, C. Bifurcations de Bautin dans un écosystème forêt-prairie avec interactions homme-environnement. Sci. Rép. 9, 1–8 (2019).

Article Google Scholar

Staver, AC & Levin, SA Intégration des effets théoriques du climat et du feu sur les systèmes de savane et de forêt. Suis. Nat. 180, 211-224 (2012).

Article PubMed Google Scholar

Schertzer, E., Staver, A. & Levin, SA Implications de la dynamique spatiale de la propagation du feu pour la bistabilité de la savane et de la forêt. J. Math. Biol. 70, 329–341 (2015).

Article MathSciNet CAS PubMed MATH Google Scholar

Fiddaman, TS Explorer les options politiques avec un modèle comportemental climat-économie. Syst. Dyn. Rév. J. Syst. Dyn. Soc. 18, 243-267 (2002).

Article Google Scholar

Sterman, J. et al. Climat mondial : Une simulation de jeu de rôle des négociations sur le climat. Simul. Jeux 46, 348–382 (2015).

Article Google Scholar

Deegan, MA Exploring US Flood Mitigation Policies: A Feedback View of System Behavior (Université d'État de New York, 2007).

Google Scholar

Richardson, GP Réflexions sur les fondements de la dynamique des systèmes. Syst. Dyn. Rév. 27(3), 219–243 (2011).

Article Google Scholar

Ghaffarzadegan, N., Lyneis, J. & Richardson, GP Comment les modèles de dynamique de petits systèmes peuvent aider le processus de politique publique. Syst. Dyn. Rév. 27, 22–44 (2011).

Article Google Scholar

Ghaffarzadegan, N. & Larson, RC SD rencontre OR : Une nouvelle synergie pour résoudre les problèmes politiques. Syst. Dyn. Rév. 34, 327–353 (2018).

Article PubMed PubMed Central Google Scholar

Sterman, J. Business Dynamics (McGraw-Hill, Inc., 2000).

Google Scholar

McGee, TK, McFarlane, BL & Varghese, J. Un examen de l'influence de l'expérience des dangers sur les perceptions des risques d'incendie de forêt et l'adoption de mesures d'atténuation. Soc. Nat. Resour. 22, 308–323 (2009).

Article Google Scholar

Martin, WE, Martin, IM & Kent, B. Le rôle des perceptions des risques dans le processus d'atténuation des risques : le cas des incendies de forêt dans les communautés à haut risque. J. Environ. Géré. 91, 489–498 (2009).

Article Google Scholar

Champ, PA & Brenkert-Smith, H. Est-ce que voir croire ? Perceptions du risque d'incendie de forêt au fil du temps. Risque Anal. 36, 816–830 (2016).

Article PubMed Google Scholar

McCaffrey, S. Penser aux incendies de forêt comme un danger naturel. Soc. Nat. Resour. 17, 509-516 (2004).

Article Google Scholar

Massada, AB, Syphard, AD, Stewart, SI et Radeloff, VC Modélisation de la répartition de l'allumage des feux de forêt : une étude comparative dans la forêt nationale de Huron-Manistee, Michigan, États-Unis. Int. J. Wildland Fire 22, 174–183 (2012).

Article Google Scholar

Mancini, LD et al. Les incendies de forêt frappent-ils à la porte des zones bâties ?. Forêts 9, 234 (2018).

Article Google Scholar

Gralewicz, NJ, Nelson, TA et Wulder, MA Modèles spatiaux et temporels des incendies de forêt au Canada de 1980 à 2006. Int. J. Wildland Fire 21, 230–242 (2011).

Article Google Scholar

Meldrum, JR et al. Interactions entre les perceptions des risques des résidents et l'atténuation des risques d'incendie de forêt : preuves issues de la modélisation d'équations simultanées. Feu 2, 46 (2019).

Article Google Scholar

Mochizuki, J., Mechler, R., Hochrainer-Stigler, S., Keating, A. & Williges, K. Revisiter le débat « catastrophe et développement » – Vers une compréhension plus large du risque macroéconomique et de la résilience. Clim. Gestion des risques 3, 39-54 (2014).

Article PubMed PubMed Central Google Scholar

Botzen, WW, Deschênes, O. & Sanders, M. Les impacts économiques des catastrophes naturelles : un examen des modèles et des études empiriques. Rév. Environ. Écon. Politique 13, 167–188 (2019).

Article Google Scholar

Corona, P. et al. Gestion intégrée des forêts pour prévenir les incendies de forêt dans les environnements méditerranéens. (2015).

Télécharger les références

Les auteurs remercient Shyam Ranganathan, Anne-Lise Velez et Manish Bansal pour leurs commentaires constructifs sur les premières versions de cet article. Nous sommes également très reconnaissants à nos trois relecteurs anonymes.

Département de génie industriel et des systèmes, Virginia Tech, Blacksburg, États-Unis

Farshad Farkhondehmaal et Navid Ghaffarzadegan

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

FF et NG ont conçu l'étude et développé le modèle. FF a effectué l'analyse et préparé le matériel manuscrit. NG a vérifié l'analyse et le manuscrit.

Correspondance à Farshad Farkhondehmaal.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournir un lien vers la licence Creative Commons et indiquer si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Farkhondehmaal, F., Ghaffarzadegan, N. Un modèle cyclique de feux de forêt comme résultat d'un système naturel humain couplé. Sci Rep 12, 5280 (2022). https://doi.org/10.1038/s41598-022-08730-y

Télécharger la citation

Reçu : 21 juillet 2021

Accepté : 21 février 2022

Publié: 28 mars 2022

DOI : https://doi.org/10.1038/s41598-022-08730-y

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.