Regional utility and non-utility wildfire ignition models across space and time
यह शोध पत्र एक एकीकृत जंगल की आग लगने के मॉडलिंग ढांचे को प्रस्तुत करता है जो अलग-अलग इनहोमोजेनियस पॉइसन पॉइंट प्रोसेस का उपयोग करके उपयोगिता (यूटिलिटी) और गैर-उपयोगिता स्रोतों के बीच अंतर करता है, जिससे प्रत्येक के लिए विशिष्ट स्थानिक चालकों का पता चलता है ताकि कैलिफोर्निया में अधिक लक्षित क्षेत्रीय जोखिम मूल्यांकन और शमन को सक्षम किया जा सके।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
जहाँ शहर और जंगल मिलते हैं, उन जंगली इलाकों में, एक सुरक्षित दिन और एक आपदा के बीच की रेखा अक्सर एक अकेली चिंगारी पर निर्भर करती है। दशकों से, वैज्ञानिक यह समझने की कोशिश कर रहे हैं कि ये चिंगारियाँ कहाँ और कब होती हैं। वे जानते हैं कि आग दो मुख्य तरीकों से शुरू होती है: या तो प्रकृति से, जैसे बिजली का गिरना, या लोगों से, चाहे वह दुर्घटना से हो या जानबूझकर। कैलिफोर्निया जैसी जगहों पर, इन खतरनाक आग की बढ़ती संख्या बिजली की लाइनों से जुड़ी है, विशेष रूप से चरम मौसम के दौरान। शोधकर्ताओं के लिए चुनौती यह रही है कि अधिकांश मॉडल सभी आग को एक समान मानते हैं, या वे पावर ग्रिड को एक एकल, धुंधली प्रणाली के रूप में देखते हैं। यह देखना कठिन बना देता है कि परिदृश्य का कौन सा हिस्सा या कौन सी विशिष्ट स्थितियाँ आग शुरू करने की सबसे अधिक संभावना रखती हैं। समुदायों की सुरक्षा के लिए, योजनाकारों को एक स्पष्ट तस्वीर की आवश्यकता है: उन्हें न केवल यह जानना है कि आग लग सकती है, बल्कि यह भी कि बिजली की लाइन पर या सड़क के पास ठीक कहाँ होने की सबसे अधिक संभावना है, और इसके लिए मौसम कैसा होना चाहिए।
स्टैनफोर्ड यूनिवर्सिटी और फ्लोरिडा स्टेट यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इन जोखिमों का मानचित्र बनाने का एक नया तरीका बनाया है, जो विशेष रूप से कैलिफोर्निया के सोनोमा काउंटी क्षेत्र पर केंद्रित है। हर आग को एक बड़े समूह के हिस्से के रूप में देखने के बजाय, उन्होंने इस समस्या को दो अलग श्रेणियों में विभाजित किया: बिजली उपयोगिताओं (पावर यूटिलिटीज) द्वारा शुरू की गई आग और अन्य कारणों से शुरू हुई आग। उन्होंने महसूस किया कि इन दोनों प्रकार की आग अलग तरह से व्यवहार करती है। उपयोगिता संबंधी आग बिजली के बुनियादी ढांचे की पतली, रैखिक रेखाओं के साथ होती है, जबकि अन्य आग, जो कारों, कैंपफायर या फेंकी गई सिगरेट जैसी चीजों के कारण होती है, व्यापक परिदृश्य में होती है। उन्हें अलग करके, टीम दो अलग-अलग गणितीय मॉडल बना सकी जो प्रत्येक स्रोत के अद्वितीय आकार और व्यवहार के अनुकूल हैं।
बिजली की लाइनों के लिए, शोधकर्ताओं ने विद्युत ग्रिड को एक लंबी, घुमावदार सड़क की तरह माना। उन्होंने सोनोमा काउंटी में PG&E की लाइनों पर पिछले दस वर्षों में हुई प्रत्येक आग का मानचित्रण किया। फिर उन्होंने पूछा कि उन सटीक स्थानों पर क्या हो रहा था। उन्होंने पाया कि बिजली की लाइन पर आग लगने का जोखिम दो चीजों पर बहुत अधिक निर्भर करता है: लाइन का वोल्टेज और पास के पेड़ों की ऊंचाई। विशेष रूप से, कम वोल्टेज वाली लाइनें, जो अक्सर घरों के करीब पाई जाती हैं, उनमें इग्निशन (आग सुलगने) की दर अधिक देखी गई। इससे भी महत्वपूर्ण बात यह है कि ऊंचे पेड़ों ने जोखिम को काफी बढ़ा दिया। यह भौतिक रूप से समझ में आता है; जब तेज हवाएं चलती हैं, तो ऊंचे पेड़ डोल सकते हैं और तारों को छू सकते हैं, जिससे चिंगारियां निकलती हैं। मॉडल ने दिखाया कि पेड़ के कैनोपी (छत्र) की ऊंचाई एक महत्वपूर्ण कारक है, जिसका अर्थ है कि इन विशिष्ट लाइनों के पास वनस्पति का प्रबंधन करना जोखिम को कम करने का एक प्रमुख तरीका है।
अन्य आग के लिए, टीम ने काउंटी में बिखरे हुए हजारों इग्निशन बिंदुओं को देखा। ये आग बिजली की लाइनों का अनुसरण नहीं करती थी; इसके बजाय, वे एक अलग पैटर्न का पालन करती थीं। शोधकर्ताओं ने पाया कि जमीन की सतह का प्रकार, या ईंधन, मायने रखता था, लेकिन सबसे शक्तिशाली भविष्यवक्ता सड़क से निकटता थी। प्रमुख सड़कों से 60 मीटर के भीतर आग लगने की संभावना बहुत अधिक थी। यह दूरी बताती है कि कारण अक्सर वाहनों से संबंधित होता है, जैसे कि वाहन का गर्म एग्जॉस्ट भाग, सड़क से निकलने वाली चिंगारी, या कार की खिड़की से फेंधी गई सिगरेट। मॉडल ने पुष्टि की कि सड़क के पास होना आग लगने की संभावना को सड़क से दूर होने की तुलना में तीन गुना से अधिक बढ़ा देता है। यह निष्कर्ष समझाने में मदद करता है कि आग अक्सर राजमार्ग गलियारों और ग्रामीण सड़कों के किनारे क्यों केंद्रित होती है।
शोधकर्ताओं ने समय पर भी नज़र डाली, और यह पूछा कि आग वास्तव में शुरू होने के लिए मौसम को कैसा होना चाहिए। उन्होंने स्थान के डेटा से दैनिक मौसम के डेटा को अलग किया, और परीक्षण किया कि क्या मौसम के अनुसार आग शुरू होने के नियम बदलते हैं। बिजली की लाइन वाली आग के लिए, उत्तर यह था कि नहीं; मौसम का समय चाहे जो भी हो, जोखिम कारक समान रहे। हालांकि, गैर-उपयोगिता वाली आग के लिए, विभिन्न ईंधन प्रकारों का प्रभाव मौसम के साथ थोड़ा बदल गया। टीम ने इन स्थानिक और कालिक अंतर्दृष्टि को एक एकल ढांचे में संयोजित किया। उन्होंने एक सांख्यिकीय पद्धति का उपयोग किया जो इस तथ्य को ध्यान में रखती है कि आग की संख्या किसी भी दिन बहुत भिन्न हो सकती है, न कि एक स्थिर, अनुमानित दर मानती है। उन्होंने पाया कि किसी भी दिए गए दिन आग की संख्या को अधिकतम तापमान और हवा की गति संचालित करती है। गर्म और हवादार दिन इग्निशन की संख्या को बढ़ाते हैं, लेकिन दोनों प्रकार की आग इन स्थितियों के प्रति अलग तरह से प्रतिक्रिया करती है।
यह देखने के लिए कि क्या उनका मॉडल काम करता है, टीम ने हजारों सिमुलेशन चलाए। उन्होंने हाल के एक वर्ष के मौसम के पैटर्न को लिया और अपने समीकरणों का उपयोग करके नकली आग के स्थानों को उत्पन्न किया। परिणाम वास्तविक ऐतिहासिक आग के इतिहास के समान ही दिखे। सिम्युलेटेड बिजली की लाइन वाली आग ज्यादातर वहीं दिखाई दी जहाँ वास्तविक आग हुई थी: कम वोल्टेज वाली लाइनों के साथ और ऊंचे पेड़ों से घिरी हुई। सिम्युलेटेड गैर-उपयोगिता वाली आग सड़कों और शहरी क्षेत्रों के पास केंद्रित हुई, जैसा कि वास्तविक डेटा ने दिखाया। टीम ने फिर परीक्षण किया कि यदि मौसम खराब हो जाए तो क्या होगा। उन्होंने अपने सिमुलेशन में गर्म और हवादार भविष्य की नकल करने के लिए तापमान और हवा की गति को कृत्रिम रूप से बढ़ाया। मॉडल ने एक महत्वपूर्ण उछाल के साथ प्रतिक्रिया दी, जिसमें आग के दिनों की संख्या में वृद्धि हुई, और ऐसी दिनों में भी आग होने की भविष्यवाणी की गई जिन्हें पहले सुरक्षित माना जाता था।
यह कार्य जंगल की आग के जोखिम के बारे में सोचने का एक स्पष्ट तरीका प्रदान करता है। यह स्वीकार करके कि बिजली की लाइन पर आग लगना सड़क के पास आग लगने से अलग घटना है, समुदाय अपनी सुरक्षा उपायों को अनुकूलित कर सकते हैं। वे विशिष्ट प्रकार की बिजली लाइनों के पास पेड़ों की छंटाई करने पर ध्यान केंद्रित कर सकते हैं और उच्च-हवा वाले आयोजनों के दौरान सड़क सुरक्षा पर विशेष ध्यान दे सकते हैं। मॉडल निश्चितता के साथ भविष्य की भविष्यवाणी नहीं करता है, लेकिन यह समझने के लिए एक यथार्थवादी उपकरण प्रदान करता है कि वर्तमान जोखिम कैसे वितरित हैं और जलवायु परिवर्तन के साथ वे कैसे बदल सकते हैं। यह एक जटिल, अराजक समस्या को प्रबंधनीय पैटर्न के सेट में बदल देता है, यह दिखाते हुए कि हालांकि आग अप्रत्याशित है, लेकिन वे स्थितियाँ जो इसे जन्म देती हैं, अप्रत्याशित नहीं हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।