Stima della probabilità di incendi boschivi in paesaggi mediterranei mediante l’uso di reti neurali artificiali

^aDepartment of Agricultural and Environmental Sciences, University of Bari A. Moro
^bDepartment of Agricultural, Forest and Food Sciences, University of Turin,
^cDepartment of Architecture, Design and Urban Planning, University of Sassari
^dDepartment of Geography, The University of Hong Kong

https://doi.org/10.1016/j.eiar.2020.106474

Abstract

Nel bacino del Mediterraneo gli incendi boschivi rappresentano uno dei più importanti disturbi naturali: modificano costantemente il paesaggio e gli ecosistemi forestali e mettono a rischio la popolazione. La previsione delle aree dove è più probabile che si verifichino gli incendi ci consente di salvaguardare vite umane e preservare le risorse naturali.

Gli obiettivi dello studio sono quelli di stimare la probabilità di incendi boschivi in ​​funzione di drivers biofisici e antropici, valutare l’importanza di ciascun driver ed analizzare le performances di tecniche di machine learning rispetto a tecniche tradizionali di stima della probabilità.

Grazie allo sviluppo di un modello basato su Reti Neurali Artificiali (ANN) e alcuni dati sugli incendi (2004–2012), abbiamo stimato la probabilità di occorrenza del fenomeno in due regioni geografiche del territorio italiano: la regione alpina e subalpina e la regione insulare e peninsulare. L’elevata accuratezza della classificazione (0,68 per la regione alpina e subalpina e 0,76 per la regione insulare e peninsulare) e le buone prestazioni della tecnica (valori AUC di 0,82 e 0,76, rispettivamente) suggeriscono che il modello ANN mostra un alto potere predittivo nelle aree di studio considerate.

Il confronto con la più tradizionale funzione logistica, ha dimostrato che quest’ultima ha un potere predittivo più debole (valori AUC di 0,78 per la regione alpina e subalpina e 0,65 per la regione insulare e peninsulare) rispetto al modello ANN. la valutazione dell’importanza di ciascun driver sul modello complessivo ANN ha suggerito che l’impatto di ogni singola variabile varia nelle due regioni di studio. Ciò sottolinea l’elevata diversità dei fattori di occorrenza degli incendi nei paesaggi mediterranei. Ad esempio, i risultati mostrano che nella regione alpina e subalpina, la presenza di aree forestali è la variabile che maggiormente incide sull’occorrenza degli incendi. Al contrario nella regione insulare e peninsulare il driver più importante è risultato essere il fattore climatico. La maggior parte delle aree recentemente colpite da grandi incendi in entrambe le regioni (es. grandi incendi del 2017) sono state correttamente classificate dal modello ANN come ad alta probabilità di incendio.

Quindi, l’uso di una Rete Neurale Artificiale rappresenta un metodo efficiente e robusto per comprendere la probabilità del verificarsi di incendi in Italia e in altri paesaggi complessi simili.

Vai all’articolo