Machine Learning Prediction of Early-Season Wildfire Risk in Ghana’s Guinea Savannah Using Multi-Source Data and CMIP6 Climate Scenarios

Sintesi Tecnica: Previsione tramite Machine Learning del Rischio di Incendi Prematuri nella Savana della Guinea in Ghana

Problematica
Gli incendi boschivi nella zona della Savana della Guinea in Ghana colpiscono annualmente 2–3 milioni di ettari, principalmente durante la stagione secca (novembre–marzo), con impatti significativi su agricoltura, biodiversità e mezzi di sussistenza. Nonostante la gravità del problema, il Ghana manca di uno strumento di pericolo d'incendio per l'inizio della stagione, localmente calibrato e specificamente progettato per la savana settentrionale. Gli standard globali esistenti, come il Canadian Fire Weather Index (FWI), sono inadatti per questa regione a causa di discrepanze nelle caratteristiche del combustibile (erba predominante rispetto alla foresta boreale), scarsa densità di stazioni meteorologiche, omissione delle fonti di accensione antropiche (che rappresentano >90% degli incendi) e trascuratezza dell'umidità del combustibile vivo e della memoria dell'umidità del suolo.

Metodologia
Lo studio ha sviluppato e valutato un framework di machine learning (ML) per prevedere il rischio di incendi per la finestra novembre–gennaio utilizzando un dataset a griglia di 1 km che copre il periodo 2001–2024.

• Integrazione dei Dati: Il modello integra dati da molteplici fonti, tra cui aree bruciate MODIS e rilevamenti di incendi attivi FIRMS, variabili climatiche ERA5-Land, precipitazioni CHIRPS, umidità del suolo FLDAS (quattro strati), prodotti della vegetazione MODIS (NDVI, EVI, LAI, FPAR), topografia SRTM e variabili di accesso umano (WorldPop, GRIP, GHSL, luci notturne).
• Ingegneria delle Caratteristiche (Feature Engineering): Ventuno variabili di base sono state espanse in 123 caratteristiche. Ciò ha incluso variabili ritardate (lagged) (1–12 mesi) per catturare le condizioni antecedenti, statistiche mobili (finestre di 3, 6, 12 mesi), anomalie climatiche, indici di siccità (SPI, SPEI) e indicatori stagionali.
• Strategia di Campionamento: Per affrontare il grave squilibrio di classe nell'intera griglia (prevalenza di incendi di circa l'1,7%), è stato creato un campione stratificato di circa 500.000 cell-mesi con un tasso di incendi di circa il 33% per lo sviluppo del modello. Il dataset è stato suddiviso temporalmente: addestramento (2001–2016), validazione (2017–2019) e test (2020–2024).
• Algoritmi: Sono stati confrontati cinque algoritmi: Random Forest, XGBoost, LightGBM, CatBoost e un Multilayer Perceptron (MLP). Gli iperparametri sono stati ottimizzati tramite Optuna con cross-validazione spaziale per mitigare il leakage.
• Metriche di Valutazione: La discriminazione è stata valutata tramite AUC-ROC (indipendente dalla prevalenza). Le metriche dipendenti dalla soglia (Precision, F1, MCC, Brier score) sono state riportate come condizionate al campione e regolate per la prevalenza operativa (~1,7%) ove applicabile. La calibrazione è stata valutata utilizzando la scala di Platt e la regressione isotonica.
• Interpretabilità: I valori SHAP (SHapley Additive exPlanations) sono stati utilizzati per quantificare l'importanza delle caratteristiche e le loro interazioni. È stata condotta uno studio di ablazione spaziale per distinguere tra il segnale predittivo genuino e la "memorizzazione spaziale" di variabili statiche.
• Proiezioni Future: Scenari climatici CMIP6 corretti per il bias (SSP2-4.5 e SSP5-8.5) provenienti da due modelli di sistema terrestre (MPI-ESM1-2-LR e MRI-ESM2-0) sono stati utilizzati per proiettare il rischio verso la fine del secolo, mantenendo costanti le variabili umane statiche.

Risultati Chiave

• Performance del Modello: I modelli basati su alberi hanno dimostrato un'alta capacità di discriminazione sul set di test temporale, con valori AUC compresi tra 0,960 e 0,962. LightGBM ha ottenuto l'AUC più elevato (0,9621), seguito da vicino da XGBoost (0,9615) e CatBoost (0,9611). L'MLP ha ottenuto una performance leggermente inferiore (0,9501). I test di DeLong hanno indicato che XGBoost ha superato significativamente Random Forest, ma le differenze tra i primi tre modelli ad alberi non erano statisticamente significative.
• Confronto con FWI: I modelli ML con l'insieme completo di caratteristiche hanno superato significativamente il Canadian FWI aggregato mensilmente (AUC 0,68), ottenendo un guadagno assoluto di AUC di circa 0,28. Gli autori notano che questo guadagno riflette l'inclusione di umidità del suolo, vegetazione e fattori umani, non solo l'algoritmo ML in sé.
• Importanza delle Caratteristiche: Nessuna singola variabile ha dominato. Tra i driver chiave figurano l'intervallo di temperatura, la densità di popolazione, la pressione superficiale, la memoria delle precipitazioni (ritardata e mobile), lo stato della vegetazione e la memoria dell'umidità del suolo. L'analisi SHAP ha rivelato relazioni non lineari e soglie, in particolare per la densità di popolazione (soglia a -0,35 unità standardizzate) e il ritardo delle precipitazioni.
• Memorizzazione Spaziale: Uno studio di ablazione rimuovendo i predittori spaziali statici (elevazione, pendenza, distanza da strade/insediamenti) ha mostrato che, sebbene queste variabili contribuiscano, la loro rimozione ha ridotto l'AUC solo di 0,013 (da 0,9439 a 0,9309). In alcuni casi, la rimozione di specifiche variabili statiche ha migliorato le prestazioni, suggerendo ridondanza. Ciò indica che il modello si basa principalmente su variabili ambientali dinamiche piuttosto che sulla semplice memorizzazione delle posizioni.
• Calibrazione: Sebbene la discriminazione fosse alta, la calibrazione iniziale della probabilità variava. Random Forest ha richiesto la scala di Platt per migliorare l'affidabilità, mentre gli alberi potenziati (XGBoost, CatBoost) erano inizialmente meglio calibrati.
• Proiezioni Future: Sotto gli scenari CMIP6, il rischio di incendi verso la fine del secolo (2080–2099) è proiettato in aumento del 15–16% per SSP2-4.5 e del 34–36% per SSP5-8.5. Questi dati sono presentati come esperimenti di sensibilità, notando che gli ensemble di alberi non possono estrapolare oltre gli intervalli dei dati di addestramento e che i driver umani sono stati mantenuti costanti.

Significatività e Rivendicazioni
Il documento posiziona il framework sviluppato come un prototipo di ricerca per lo screening del rischio di incendi precoci, non come un sistema di allerta operativa pienamente validato. La sua principale significatività risiede nel dimostrare che un approccio ML multi-fonte, localmente calibrato, può superare sostanzialmente gli indici basati solo sul meteo nel contesto della savana dell'Africa occidentale.

Contributi chiave includono:

1. Dimostrare il valore dell'integrazione multi-fonte: Mostrare che combinare clima, vegetazione, umidità del suolo e fattori umani produce una discriminazione superiore rispetto agli indici basati solo sul meteo.
2. Affrontare la preoccupazione della "memorizzazione spaziale": Fornire prove empiriche attraverso studi di ablazione che la capacità del modello è guidata principalmente da processi ambientali che variano temporalmente (produzione e disseccamento del combustibile) piuttosto che dalla codifica geografica statica.
3. Identificare soglie non lineari: Rivelare soglie critiche nella densità di popolazione e nelle precipitazioni antecedenti che definiscono i regimi di rischio incendio, offrendo spunti per una gestione mirata.
4. Stabilire una base per il lavoro futuro: Lo studio richiama esplicitamente la necessità che la futura implementazione operativa includa la valutazione sull'intera griglia, la calibrazione sotto la vera prevalenza e l'incorporazione di scenari socioeconomici dinamici per le proiezioni climatiche.

Gli autori mantengono un tono modesto, sottolineando che l'attuale modello è un prototipo che richiede ulteriore validazione prospettica, cross-validazione a blocchi spaziali e test esterni indipendenti prima dell'implementazione operativa.