جنگل | جنگلهای سوخته
دود ناشی از آتش گرفتن جنگلها چه عوارضی دارد؟ | جنگلهای سوخته
آتشسوزیهای جنگلی در ایالاتمتحده در حال افزایش است و بهنظر میرسد تحت تغییرات اقلیمی، سرعت بیشتری بگیرد. با این حال، درک ما از تغییرات آبوهوایی بر دود آتشسوزی و سلامتی محدود است. این مطالعه میزان بار مرگومیر ناشی از ذرات ریز دود آتشسوزی (PM2.5) را در گذشته و آینده در ایالاتمتحده تخمین میزند. برای این منظور، یک مجموعه از الگوهای آماری و یادگیری ماشینی ایجاد میشود که ارتباط میان تغییرات اقلیمی و ذرات PM2.5 دود آتشسوزی را بررسی میکند و با استفاده از دادههای جغرافیایی درباره تمام مرگهای ثبتشده در ایالاتمتحده از سال 2006 تا 2019، رابطه بین ذرات PM2.5 دود آتشسوزی و مرگومیر را ارزیابی میکند.
مقدمه
آتشسوزیها در طول دو دهه گذشته در ایالاتمتحده، بهویژه در غرب آن، بهشدت افزایش یافته است که موجب افزایش قابل توجه آلودگی هوا شده است، بهویژه ذرات ریز دود آتشسوزی (PM2.5). این افزایشها ممکن است تاثیرات منفی زیادی بر روی سلامت داشته باشد، زیرا افزایش تماس با ذرات PM2.5 دود آتشسوزی با بروز بیماریهای مختلف مرتبط است. در بسیاری از نقاط غربی ایالاتمتحده، ذرات PM2.5 دود آتشسوزی بیش از 50 درصد از غلظت سالانه ذرات PM2.5 را در سالهای پردود تشکیل میدهد و باعث توقف یا حتی برعکس شدن بهبودهای قابل توجه در غلظت ذرات PM2.5 هوا شده است که بهوسیله قانون هوای پاک و تغییرات آن ایجاد شدهاند. برخلاف بسیاری از منابع دیگر آلاینده هوا، دود آتشسوزی در حال حاضر تحت قانون هوای پاک قرار ندارد، بنابراین شناسایی عوامل موثر بر فعالیتهای آتشسوزی گذشته و آینده، امری اساسی برای درک این است که این منبع آلودگی چگونه در دهههای آینده تغییر خواهد کرد، چگونه ممکن است بر سلامت تاثیر بگذارد و سیاستگذاران در این زمینه چگونه باید واکنش نشان دهند؟ شواهد بسیاری نشان میدهد که تغییرات آبوهوایی ناشی از فعالیتهای انسان، یکی از علل اصلی افزایش آتشسوزیهاست، بهویژه در مناطق جنگلی در غرب آمریکا، همراه با عوامل مهم دیگری مانند سرکوب تاریخی آتشسوزی و گسترش فعالیتهای انسانی در مناطق جنگلی. در زمینه ارتباط میان تغییرات آبوهوا و افزایش دود آتشسوزی و تاثیرات آن بر سلامتی بشر، ضعف مطالعاتی وجود دارد. مطالعات اصلی درباره تاثیرات آبوهوا در ایالاتمتحده و جهان معمولاً تاثیرات سلامتی ناشی از دود آتشسوزی را در نظر نمیگیرند. برخی از مطالعات از مدلهای رگرسیون یا مدلهای آتشسوزی-گیاهی-زمینی برای پیشبینی فعالیتهای آتشسوزی در آینده با تغییرات آبوهوا استفاده میکنند، سپس از مدلهای حملونقل شیمیایی برای تخمین تغییرات در غلظت ذرات PM2.5 دود و تاثیرات سلامت مرتبط بهره میبرند. با این حال، پیشبینیهای پیشین از مرگومیر آینده ناشی از دود آتشسوزی دارای بازه گستردهای هستند که نشان از شکاف دانش مهمی دارد. بهدلیل چالشهای موجود، تنها تعداد کمی از مطالعات تاکنون غلظت ذرات PM2.5 دود آتشسوزی در آینده را با استفاده از روابط تجربی بین آبوهوا، آتشسوزی و ذرات PM2.5 پیشبینی کردهاند. بدون این محاسبات، برآوردهای اصلی از تاثیر اجتماعی تغییرات آبوهوا بهطور کامل تاثیر مرگومیر ناشی از ذرات PM2.5 دود آتشسوزی را در نظر نمیگیرند. اطلاعات دقیق از آینده ذرات PM2.5 دود و بار سلامتی آن بسیار حیاتی است تا سیاستهای کاهش و سازگاری با تاثیرات منفی آن را بر انسانها مشخص کند. این مطالعه تلاش میکند تا این شکاف تحقیقاتی را پر کند. در این مقاله، نویسندگان یک رویکرد جامع و مبتنی بر داده را توسعه دادهاند که بهطور مستقیم به تمامی چالشهای فوق پرداخته است. ابتدا، بهمنظور بهبود درک از رابطه آماری میان آبوهوا و انتشار آتشسوزی، یک مجموعه از مدلهای آماری و یادگیری ماشین ایجاد شده است که انتشار آتشسوزی را بهعنوان یک عملکرد از متغیرهای آبوهوا و کاربرد زمین بر روی قاره شمال آمریکا (شامل مکزیک و کانادا)، با استفاده از شواهد تجربی از سالهای 2021-2001 پیشبینی میکند. برای این منظور از دادههای تاریخی شامل سالهای اخیر با شرایط آبوهوایی شدید (مانند خشکسالی در غرب آمریکای شمالی در سال 2020) استفاده شده است که تحت تغییرات آبوهوایی آینده پیشبینی میشود. این مجموعه مدل توانایی پیشبینی بهتر از چگونگی تاثیر آبوهوا بر انتشار آتشسوزی را در آینده تحت سناریوهای مختلف دارد. با مدلسازی تغییرات در انتشار آتشسوزی در کانادا و مکزیک، این رویکرد میتواند تاثیرات مهم کشورهای مجاور را بر ذرات PM2.5 دود آمریکای شمالی و تاثیرات سلامت آن را در نظر بگیرد، مانند اتفاقاتی که در تابستان سال 2023 رخ دادند. در مرحله دوم، از تخمینهای ذرات PM2.5 دود آتشسوزی سطحی استفاده میشود تا رابطه تجربی بین انتشار آتشسوزی و غلظت ذرات PM2.5 دود در سراسر ایالاتمتحده با وضوح 10کیلومتری ایجاد شود. در این قسمت تغییرات در جهتهای بادی و انتقال فضایی در نظر گرفته میشود. این رویکرد این امکان را میدهد تا بهصورت کارآمد غلظت دود در یک مکان از تغییرات در انتشار آتشسوزی در مکان دیگر پیشبینی شود. در مرحله سوم، برای رفع چالش تخمین دقیق تاثیرات سلامتی ناشی از تماس با دود، بهصورت تجربی اثرات غلظت سالانه ذرات PM2.5 دود بر نرخ مرگومیر سالانه با استفاده از دادههای سطح شهرستان از سال 2006 تا 2019 درباره تمام مرگهای ثبتشده در ایالاتمتحده تخمین زده میشود. پژوهشگران این تخمین را با استفاده از مدل غیرخطی پوآسون محاسبه میکنند؛ چرا که مطابق با مطالعات قبلی، نرخ مرگومیر بهصورت غیرخطی به تغییرات در ذرات PM2.5 دود واکنش نشان میدهد. همچنین متغیرهایی مانند انعطافپذیری دما، بارش و احتمالات فضایی و زمانی ممکن کنترل میشوند. در نهایت، روابط تجربی بین آبوهوا، انتشار آتشسوزی، ذرات PM2.5 دود و نرخ مرگومیر که در بالا توضیح داده شدند، با متغیرهای آبوهوایی پیشبینیشده از مدلهای آبوهوای جهانی CMIP6 ترکیب میشوند تا پیشبینیهایی از ذرات PM2.5 دود و بار مرگومیر ارائه شود. در این تحقیق، غلظت میانگین سالانه PM2.5 دود در هر مکان 10کیلومتری در سراسر ایالاتمتحده (48 ایالت و منطقه کلمبیا) بین سالهای 2046 و 2055 تحت سناریوهای آبوهوایی مختلف پیشبینی میشود. در پایان، تخمینهای مرگومیر با تخمینهای مرگومیر مستقیم مرتبط با دمای بالا و هزینههای اقتصادی کلی از مطالعات پیشین مقایسه میشوند تا اهمیت تاثیر آبوهوا-دود نسبت به تاثیرات آبوهوایی معروف دیگر برجسته شود.
پیشبینی انتشارهای ناشی از آتشسوزی
ابتدا یک مجموعه از مدلهای آماری و یادگیری ماشینی برای پیشبینی آتشسوزی با استفاده از متغیرهای اقلیمی و کاربرد زمین ساخته شده است. این مدلها قادرند انتشارات آتشسوزی از مواد خشک ماهانه (DM) را که از مجموعه داده انتشارات GFED4 مشتق شدهاند، با استفاده از متغیرهای اقلیمی و کاربرد زمین از سال 2001 تا 2021 پیشبینی کنند. برای هر یک از پنج منطقه (غرب آمریکا، جنوب شرقی آمریکا، شمال شرقی آمریکا، کانادا-آلاسکا و مکزیک)، الگوهای جداگانهای ایجاد شده است تا روابط منطقهای ناهمگن بین اقلیم، نوع زمین و انتشارات آتشسوزی را دربر گیرند. برای هر منطقه، شش مدل مختلف بهعنوان کاندیدای مدل ایجاد شده است، از جمله مدل رگرسیون خطی، مدل LASSO و مدلهای شبکه عصبی. این مدلها انتخاب شدهاند تا طیف گستردهای از مدلهای مختلف را در نظر بگیرند، از جمله مدلهای ساده و قابل تفسیر تا مدلهای پیچیدهتر یادگیری ماشینی. یکی از چالشهای اصلی این مسئله این است که وقوع آتشسوزی و انتشارات ناشی از آن به دلیل عوامل غیراقلیمی متفاوت است، بنابراین برای بهتر در نظر گرفتن مولفههای قابل پیشبینی از رابطه اقلیم-آتشسوزی، مدلها برای پیشبینی انتشارات سالانه در مقیاسهای مختلف مکانی جمعآوری شده است. در نهایت با توجه به عملکرد مدل، وضوح مکانی بهینه برای هر نوع مدل و منطقه متفاوت است. برای ارزیابی عملکرد مدل، از روش (LOOCV) در مقیاس زمانی استفاده شده است. در این روش، دادهها به 21 بخش زمانی تقسیم میشوند که هر کدام شامل داده یکساله است. برای هر بخش، مدل با استفاده از 20 بخش دیگر داده با پارامترهای موجود در دادهها آموزش داده میشود. سپس پیشبینیهای خارج از نمونه برای بخش نگهداری به دست میآید و این فرآیند برای کل دوره زمانی تکرار میشود. سپس عملکرد مدلها در بازه 10ساله مشابه رویکردهای زمانی آینده ارزیابی میشود. دو معیار برای ارزیابی عملکرد هر مدل استفاده میشود: 1- میانگین مربعاتی از اختلاف پیشبینیها و مشاهدات و 2- انحراف پیشبینی در بازه 10ساله با بیشترین انتشار. معیار اول این اجازه را میدهد تا عملکرد مدل در طول سالهای با شرایط اقلیمی مختلف ارزیابی شود و تفاوتها میان اقلیم فعلی و آینده برای سناریوهای اقلیمی مختلف تشخیص داده شود. معیار دوم این امکان را میدهد تا عملکرد مدل تحت شرایط دودهای بیشتر احتمالی در آینده ارزیابی شود. برای به دست آوردن مدل نهایی که برای پیشبینیهای آینده استفاده شود، یک «مدل ترکیبی» ایجاد میشود که پیشبینیهای مدلهای پایه انتخابشده را با وضوح مکانی بهینه متناظر ترکیب میکند.
انتشار آتشسوزی تحت تغییرات اقلیمی
در این قسمت انتشارات آتشسوزی و ذرات PM2.5 دود تحت شرایط آینده اقلیمی پیشبینی میشود. برای این کار، مجموعهای از مدلهای آماری و یادگیری ماشینی با پروژههای اقلیمی از مدلهای اقلیمی جهانی ترکیب میشود. پس از پیشبینی انتشارات آتشسوزی مواد خشک در سطوح مختلف مکانی از سال 2001 تا 2055، این پیشبینیها به سطح سلولهای شبکه مادری (25 /0 درجه) تغییر مقیاس داده میشود. سپس، با استفاده از رابطه تجربی بین ذرات PM2.5 دود و انتشارات آتشسوزی مواد خشک، ذرات PM2.5 دود در هر سلول شبکه (با وضوح 10 کیلومتر) پیشبینی میشود. هنگام محاسبه ذرات PM2.5 دود در سناریوهای آینده، شرایط باد و هواشناسی ثابت و به میانگین شرایط دوره تاریخی ثابت نگه داشته میشوند. در پایان با محاسبه اختلاف بین ذرات PM2.5 دود در هر سال آینده و میانگین آن در بازه زمانی 2020-2011، این اختلاف به میانگین غلظت ذرات PM2.5 دود مشاهدهشده در بازه زمانی مشخصشده اضافه و پیشبینی نهایی برای هر سلول شبکه در سالهای آینده بهدست میآید.
نتایج
در این مقاله سه چهارچوب آماری و یادگیری ماشینی مختلف برای مدلسازی رابطه اقلیم و آتشسوزی در نظر گرفته شده است. برای در نظر گرفتن ناهمگنی جغرافیایی، هر یک از چهارچوبها بهطور جداگانه برای هر منطقه تخمین زده شد که نتیجه عمل، پنج مجموعه مدل است. مدلها قادر به درک تغییرات انتشارات آتشسوزی ماده خشک در بازههای 10ساله هستند و این نشاندهنده توانایی آنها در تعیین تغییرات انتشارات آتشسوزی تحت شرایط اقلیمی مختلف است. هنگامی که مدلها از طریق اعتبارسنجی متقاطع زمانی ارزیابی میشوند (به این معنا که یک سری زمانی از مشاهدات بهطور تصادفی به مجموعههای جداگانه از سالهای آموزش تقسیم میشوند)، عملکرد پیشبینی بالایی نشان میدهند، بهویژه در غرب آمریکا، کانادا و مکزیک با ضرایب همبستگی 87 /0-95 /0 در ارزیابیهای خارج از نمونه.
بهطور خلاصه چهار یافته اصلی گزارش میشود: اول، با استفاده از مجموعهای از مدلهای آماری و یادگیری ماشین، نتیجه گرفته میشود که دود آتشسوزی احتمالاً تحت تغییرات آبوهوایی آینده بهشدت افزایش مییابد و میانگین تماس جمعیت آمریکا در سال 2050 نسبت به دهه 2020-2011 دو، سه برابر افزایش مییابد. این افزایش بزرگ، نتیجه تنگنای محیطی میان خشکی سوخت و فعالیت آتشسوزی و تغییرات بزرگ پیشبینیشده در خشکی سوخت تحت آبوهوایی گرم است. دوم، با استفاده از دادههای تاریخی، نشان داده میشود که افزایش تماس سالانه با ذرات PM2.5 دود با نرخهای سالانه مرگومیر بالاتر در سراسر ایالاتمتحده مرتبط است، با افزایشهای قابل توجه حتی در سطوح بسیار پایین از تماس با دود آتشسوزی. یافتههای این مطالعه با کارهای اخیر که نشان میدهند که هیچ سطح ایمنی از تماس با آلودگی هوا وجود ندارد، همخوانی دارد. سوم، با استفاده از توابعی که از دادههای تجربی به دست آمدند، تخمین زده میشود که ذرات PM2.5 دود باعث بروز 23800 تا 27800 مرگ سالانه بیشتر تا نیمه قرن در سه سناریو آبوهوایی خواهد شد- افزایشی از 76-51 درصد نسبت به تخمینهای دهه 2020-2011 حتی در سناریوی گرمایش کم. ذرات PM2.5 دودی که تحت تاثیر آبوهواست، به هشت هزار مرگ اضافی سالانه در ایالاتمتحده منجر خواهد شد که این نشان میدهد حتی کاهش فعالیتهای متقابل، این منبع از آلودگیهای آبوهوا را تا نیمه قرن بهطور قابل توجهی محدود نخواهد کرد. چهارم، هنگامی که این هزینهها بهصورت پولی محاسبه شوند، تخمین زده میشود که مرگومیر ناشی از دود مرتبط با آبوهوا در نیمه قرن به آسیبهای سالانه 244 میلیارددلاری منجر شود که قابل مقایسه با تخمینهای جمعی قبلی از تمام آسیبهای اقتصادی دیگر ناشی از تغییرات آبوهوا در ایالاتمتحده است. این مطالعه نشان میدهد که هزینههای سلامتی ناشی از دود آتشسوزی بهدلیل تغییرات آبوهوا ممکن است در میان پرهزینهترین و مهمترین عواقب گرمایش آبوهوا در ایالاتمتحده باشد. شواهد این تحقیق نشان میدهد کاهش قوی در انتشار گازهای گلخانهای جهانی میتواند افزایش مرگهای مرتبط با دود را محدود کند، اما اینگونه مرگها احتمالاً حتی در سناریوهای با انتشار کم نیز به طرز قابلتوجهی افزایش مییابند. این یافته به ضرورت توسعه استراتژیهای سازگاری اشاره میکند تا از آسیبها جلوگیری شود. سازگاری میتواند در مراحل مختلفی از زنجیره دود آتشسوزی-مرگومیر اتفاق بیفتد. افزایش مدیریت سوخت میتواند احتمال فعالیت آتشسوزیهای شدید در شرایط اقلیمی نامساعد را کاهش دهد. سازگاری میتواند همچنین به تحقق رابطه میان دود و نتایج زیانبار سلامتی کمک کند. این میتواند شامل اطلاعرسانی بهتر به افراد در مورد دود و محافظت از آنها در برابر دودی که وجود دارد، باشد. از جمله استفاده از فیلترهای قابل حمل با هزینه کم. تخمینهای این مطالعه از ذرات PM2.5 دود و اثرات مرگومیر میتوانند پژوهشهای علوم اقلیمی، بهداشت و سیاست را در درک بهتر عوامل و پیامدهای PM2.5 دود تحت تغییرات اقلیمی حمایت کند و به تعیین اولویتهای سیاست برای مقابله با تاثیرات منفی آنها کمک کند. آزاده خرمیمقدم