Ein zyklisches Waldbrandmuster als Ergebnis eines gekoppelten menschlichen natürlichen Systems

Wissenschaftliche Berichte Band 12, Artikelnummer: 5280 (2022) Diesen Artikel zitieren

1683 Zugriffe

2 Zitate

7 Altmetrisch

Details zu den Metriken

In den letzten Jahrzehnten haben Waldbrände erhebliche Kosten für natürliche Ressourcen und Menschenleben verursacht. In vielen Regionen zeigen die jährlichen Waldbrandtrends rätselhafte Schwingungsmuster mit zunehmenden Amplituden für verbrannte Gebiete im Laufe der Zeit. Ziel dieses Artikels ist es, die möglichen Ursachen solcher Muster zu untersuchen, indem ein dynamisches Simulationsmodell entwickelt und untersucht wird, das miteinander verbundene soziale und natürliche Dynamiken in einem gekoppelten System darstellt. Wir entwickeln ein generisches dynamisches Modell und postulieren auf der Grundlage von Simulationsergebnissen, dass die Verbindung zwischen menschlichen und natürlichen Subsystemen eine Quelle der beobachteten zyklischen Muster bei Waldbränden ist, bei denen die Risikowahrnehmung Aktivitäten reguliert, die zu mehr Bränden und der Entwicklung gefährdeter Grundstücke führen können. Unsere simulationsbasierte Politikanalyse weist auf eine nichtlineare Charakteristik des Systems hin, die aufgrund der Verbindungen zwischen der menschlichen Seite und der natürlichen Seite des Systems zunimmt. Dies hat eine große politische Implikation: Im Gegensatz zu Studien, die nach der wirksamsten Politik zur Eindämmung von Waldbränden suchen, zeigen wir, dass eine langfristige Lösung nicht eine einzelne Maßnahme ist, sondern eine Kombination mehrerer Maßnahmen, die gleichzeitig sowohl auf menschliche als auch auf natürliche Seiten abzielen vom System.

Waldbrände gefährden menschliches Leben, natürliche Ressourcen, den Waldschutz und die Tierwelt1,2,3,4. Nach Angaben des National Interagency Fire Center haben im Jahr 2020 in den Vereinigten Staaten mehr als 52.000 Waldbrände etwa 3,64 Millionen Hektar verbrannt5. Schätzungen zufolge kamen allein in Kalifornien in den ersten neun Monaten des Jahres 2020 etwa 30 Menschen durch Waldbrände ums Leben.6 Darüber hinaus kam es im tragischen Camp Fire-Vorfall 2018 in Paradise, Kalifornien, zu dem wohl zerstörerischsten und tödlichsten Waldbrand in der Geschichte Kaliforniens mindestens 85 zivile Todesopfer, über 60.702 Hektar brannten nieder und zerstörten mehr als 18.000 Gebäude7. Darüber hinaus ist das Problem nicht auf die Vereinigten Staaten beschränkt: Waldbrände sind eine globale Herausforderung, die verschiedene Regionen weltweit betrifft, mit jüngsten katastrophalen Ereignissen in Ländern wie Australien, Brasilien, Griechenland, Algerien, Frankreich, der Türkei und Indonesien. Angesichts der Trends sind das Problem der Waldbrände und ihre zunehmenden katastrophalen Folgen von immenser politischer Relevanz.

Das Verständnis und die Vorhersage des Auftretens von Waldbränden ist von entscheidender Bedeutung, um geeignete politische Maßnahmen zur Minderung der Risiken und zur Minimierung der damit verbundenen Folgen zu ergreifen8,9,10,11. Eine Untersuchung der historischen Trends bei Waldbränden zeigt rätselhafte zyklische Muster bei Bränden, wobei die Folgen von Bränden in vielen Gebieten rund um den Globus, einschließlich den USA, zunehmend ausfallen. Wie Abbildung 1 zeigt, haben wir in den USA insgesamt einen steigenden Trend erlebt der Verbrennungsrate aufgrund von Waldbränden mit periodischen Schwankungen. Obwohl das Gesamtmuster der Anzahl der Brände nicht dem Trend der Brandrate folgt, zeigt es interessanterweise periodische Schwankungen. Die Suche nach den Treibern solcher Muster ist ein Anliegen von Naturwissenschaftlern, Politikforschern und politischen Entscheidungsträgern.

Waldbrand in den USA 1983–2018 (Daten von www.nifc.gov).

Waldbrände beginnen mit der anfänglichen Brandentfachung, die von der Natur durch Blitzschlag oder rücksichtsloses menschliches Verhalten verursacht werden kann. Das Auftreten natürlicher Brände durch Blitzschlag hängt von den Wetterbedingungen ab und weist ein saisonales Muster auf12. Andererseits kann eine vom Menschen verursachte Entzündung auch großflächige Brände verursachen. Tatsächlich sind in den USA von Menschen verursachte Waldbrände für etwa 84 % der landesweiten Waldbrände verantwortlich13. Darüber hinaus können Faktoren wie verlassene Lagerfeuer, Brandstiftung und Feuerwerkskörper zu von Menschen verursachten Bränden führen14,15. Menschen tragen auch indirekt zu Waldbränden bei, indem sie Aktivitäten durchführen, die den Klimawandel verschlimmern16. Die Freisetzung von Treibhausgasen in die Atmosphäre, darunter Kohlendioxid und Methan, trägt zu höheren Temperaturen bei17. Ein wärmeres Klima führt zu trockenerer Vegetation in den Wäldern und erhöht die Gefahr massiver Waldbrände18. Darüber hinaus verringert die Abholzung von Wäldern zur Landentwicklung die Fähigkeit des Waldes, Treibhausgase zu absorbieren, was letztendlich zu einem weiteren Temperaturanstieg führt19,20.

Trotz der Bedeutung direkter menschlicher und natürlicher Beiträge zu Waldbränden lag der Schwerpunkt der meisten bisherigen Modellierungsstudien ausschließlich auf einer dieser beiden Ursachenkategorien. Touboul und Kollegen entwickelten Simulationsmodelle dynamischer Interaktionen zwischen verschiedenen Vegetationsarten wie Gras und Waldbäumen. Sie zeigten, dass die Zusammensetzung der Vegetation in einer Vielzahl von Szenarien im Laufe der Zeit schwanken kann21. Solche Modelle, die sich auf die Dynamik natürlicher Systeme konzentrieren, können langfristige Oszillationsmuster erklären, die sich aus Verzögerungen bei der Walderholung nach einem Waldbrand ergeben. In Bezug auf menschliche Beiträge haben mehrere statistische Modelle auf einen Zusammenhang zwischen menschlicher Besiedlung an der Schnittstelle zwischen Wildland und Stadt (WUI) und der Brandaktivität hingewiesen22,23,24. In diesen Modellen ist die Risikowahrnehmung des Menschen oft ein exogener Faktor, der das Feuer beeinflusst. Wir verstehen, dass sowohl die natürliche als auch die menschliche Seite des Problems wichtig sind. Tatsächlich wird seit langem argumentiert, dass die Berücksichtigung dynamischer Verbindungen zwischen sozialen und ökologischen Systemen für die Entwicklung nachhaltiger Umweltpolitiken von wesentlicher Bedeutung ist25. Daher gehen wir davon aus, dass die Interaktion zwischen natürlichen und menschlichen Systemen zur Dynamik von Waldbränden beiträgt und deren Komplexität und Herausforderungen bei der Eindämmung erhöht. Um geeignete Richtlinien zu entwickeln, sollte auf beide Seiten des größeren Systems und die Wechselwirkungen zwischen beiden geachtet werden. Unser Hauptziel in diesem Artikel ist die Erforschung möglicher Ursachen solcher Muster durch die Entwicklung und Untersuchung eines rückkopplungsreichen dynamischen Simulationsmodells, das sowohl soziale als auch natürliche Dynamiken in einem gekoppelten System darstellt.

Abbildung 2 stellt unseren Studienrahmen dar, der mit einer Reihe ökologischer Literatur übereinstimmt, die eine Familie von Phänomenen untersucht, die als gekoppelte menschlich-natürliche Systeme bezeichnet werden (dieser Bereich war ein Hauptforschungsbereich der US National Science Foundation). Der Rahmen umfasst Dynamiken, die für Vegetation (natürliche Systeme) und menschliche Systeme (Verhaltensdynamik) spezifisch sind. Im Zusammenspiel sind die beiden Teile durch den menschlichen Sektor verbunden, der Informationen über aktuelle Brandfälle erhält und die Risikowahrnehmung des Menschen beeinflusst, da die wahrgenommenen Informationen das Brandrisiko beeinflussen26. Der Mensch trägt durch vom Menschen verursachte Entzündung oder die Entwicklung gefährdeter Eigenschaften aufgrund seiner Risikowahrnehmung zum Brand bei.

(angepasst von https://www.nsf.gov/pubs/2018/nsf18503/nsf18503.htm und angepasst für den Fall von Waldbränden).

Unser Untersuchungsrahmen für Waldbrände als Ergebnis eines gekoppelten menschlich-natürlichen Systems

Während unser Fokus auf dem spezifischen Problem von Waldbränden liegt, ist es wichtig, innezuhalten und einen kurzen Überblick über verschiedene Modellierungsansätze ähnlicher Naturkatastrophen zu geben, hauptsächlich aus methodischer Sicht. Es gibt eine breite Palette von Modellierungsansätzen, die auf Naturkatastrophenstudien im Allgemeinen und Waldbrände im Besonderen angewendet werden. Solche Modellierungen lassen sich nach Analyseeinheit, Zeitrahmen, mathematischen Modellierungstechniken, Grenzen und konkreten Anwendungsfällen unterscheiden.

Eine große Anzahl von Naturkatastrophenmodellen wurde der räumlichen Modellierung gewidmet27,28,29. In einem typischen räumlichen Waldbrandmodell besteht das Ziel darin, den Brandverlauf in verschiedenen Regionen nachzubilden. Solche Modelle zeigen wirkungsvoll, wie, in welcher Reihenfolge und zu welchem ​​Zeitpunkt verschiedene Bereiche feuergefährdet werden können. Räumliche Modelle können je nach den geografischen Analyseeinheiten (z. B. Bundesstaat, Landkreis) auch unterschiedliche Formen annehmen. Verbindungsnetzwerke zwischen verschiedenen Einheiten können den Brandfortschritt beeinflussen, und solche Modelle werden immer nützlicher, wenn sie sich der Modellierung von Netzwerkstrukturen zuwenden.

Die zweite Gruppe von Modellen für Naturkatastrophen umfasst agentenbasierte Modelle auf individueller Ebene. Evakuierungsmodelle nutzen häufig solche Analyseebenen und untersuchen die Ströme von Personen nach einer Katastrophe30,31. Im Zusammenhang mit Waldbränden können agentenbasierte Modelle mit Schwerpunkt auf dem Brandverlauf Vegetationseinheiten als Agenten betrachten. Solche Modelle würden zu einem räumlichen Modell interagierender Elemente führen, das die endogene Brandausbreitung von einer Vegetationseinheit zur anderen abbildet. Rahmandad und Sterman32 betonten, dass detaillierte agentenbasierte Modelle in vielen Kontexten möglicherweise nicht über das hinausgehen, was man aus einem aggregierten Differentialgleichungsmodell lernen könnte, insbesondere wenn die Heterogenitäten zwischen den Agenten begrenzt und die Verbindungsnetzwerke symmetrisch und nahezu vollständig sind.

Auf der anderen Seite gibt es aggregierte Naturkatastrophenmodelle, in denen die Vegetation oft mit wenigen Hauptvariablen, aber ohne regionale Details modelliert wird33,34. Als Kompartimentmodelle umfassen diese häufig Differentialgleichungen und formulieren Vegetationsflüsse und Alterung von Bäumen in einem dynamischen Rahmen35. Innerhalb aggregierter Modelle ist das Ausmaß, in dem Variablen als endogene Variablen behandelt werden (d. h. sie reagieren auf Änderungen von Zustandsvariablen), ein wesentlicher Faktor für die Differenzierung. Simon Levin und Kollegen21,36,37 boten verschiedene Variationen aggregierter Differentialgleichungsmodelle der Vegetation an. Ein interessantes Ergebnis solcher Modelle aus der Sicht komplexer Systeme ist die Darstellung der Bifurkation, bei der sich die Ergebnisse des Modells erheblich von einem stationären Zustand zu einem zielgerichteten oder s-förmigen Verhalten oder sogar zu langfristigen Schwankungen für verschiedene Bereiche ändern Parameterwerte.

Innerhalb der Systemdynamik-Community gibt es auch eine umfangreiche Literatur zur Modellierung von Umweltproblemen25,38,39. Deegan40 hat methodisch relevante Arbeiten in einem etwas anderen Naturkatastrophenumfeld durchgeführt. Er modellierte die Dynamik von Überschwemmungsschäden in einer typischen überschwemmungsgefährdeten Gemeinde und berücksichtigte dabei die langfristigen Reaktionen der Gemeinde auf die jüngsten Überschwemmungen und die damit verbundenen Schäden. Deegan konzentrierte sich auf hypothetische Überschwemmungsfälle und wollte zeigen, wie scheinbar ähnliche äußere Ereignisse (hier starker Regen) je nach Reaktion der Gemeinde und Investitionen in gefährdete Grundstücke unterschiedliche Schadenshöhen verursachen können. Was seine Arbeit von anderen unterscheidet, ist, dass Deegans Modell reich an Rückmeldungen ist und dynamische Ergebnisse innerhalb des Modells und nicht durch eine externe Zeitreihe erzeugt werden41. In mancher Hinsicht steht unser Ansatz zur Modellierung von Waldbränden im Einklang mit Deegans Arbeit zur Eindämmung von Überschwemmungen, indem er die Verwundbarkeit als eine endogene Eigenschaft des Systems betrachtet, die von der menschlichen Risikowahrnehmung beeinflusst wird.

Was diese aggregierten Modelle leistungsstark macht, ist, dass sie relativ klein sind (weniger Gleichungen haben) und wenn die Details entfernt werden, richten sie den Fokus auf Systemreaktionen und Rückkopplungsschleifen, ohne viele Erkenntnisse auf Systemebene zu verlieren32. Modellierer können Erkenntnisse aus kleinen Modellen auch besser mit Stakeholdern kommunizieren42. Es ist wichtig zu beachten, dass kleine, leistungsstarke Modelle nicht einfach zu erstellen sind und oft das Ergebnis vieler Runden komplexer und detaillierter Modellierung sind43, was auch in unserer Studie der Fall war. Angesichts unseres Problemumfangs verfolgen wir denselben Modellierungsansatz.

Verschiedene Modelle verwenden unterschiedliche Begriffe, um Vegetationsheterogenitäten in einem Waldgebiet darzustellen. Aus Gründen der Sparsamkeit stellt unser Modell die gesamte Waldfläche durch zwei einfache Bestandsvariablen dar: Flächen mit starker Vegetation (S) und Flächen mit brennbarer Vegetation (F), die alle als Bestandsvariablen in Abb. 3 dargestellt sind (Variablen in Kartons). Starke Vegetation ist oft feuerbeständig und kann nur durch großflächige Brände verbrannt werden. Zu den leicht entzündlichen Pflanzen zählen beschädigte oder schnell brennbare Pflanzen (einschließlich Gras). Diese Art von Vegetation kann schnell brennen, und Blitze oder menschliche Entzündungen wirken sich oft zuerst auf brennbare Vegetation aus. Das Verbrennen kann zur Ausbreitung des Feuers auf starke Vegetation führen. Während es sich bei unserer Abbildung um eine einfache Darstellung von Waldgebieten handelt, stimmt die Logik mit Studien überein, die detailliertere Informationen zu Vegetationstypen geliefert haben.

Ein Bestandsflussdiagramm der Vegetation. Hinweis: Sockenvariablen stellen den Zustand des Systems dar und werden in Kästchen angezeigt (starke Vegetation, brennbare Vegetation und leere Fläche), und Flüsse, die Änderungen in Zustandsvariablen darstellen, werden durch Ventilzeichen dargestellt. Kausale Einflüsse werden mit blauen Links dargestellt, wobei ein Pluszeichen in X → + Y anzeigt, dass sich X und Y in die gleiche Richtung bewegen (\({\text{X}} \to + {\text{Y}} \Leftrightarrow { {\partial {\text{Y}}} \mathord{\left/ {\vphantom {{\partial {\text{Y}}} {\partial {\text{X}}}}} \right. \kern -\nulldelimiterspace} {\partial {\text{X}}}} > 0\)). Ein Minuszeichen auf einem Kausalpfeil zeigt an, dass sich die Variablen in die entgegengesetzte Richtung bewegen (\({\text{X}} \to - {\text{Y}} \Leftrightarrow {{\partial {\text{Y}}} \mathord{\left/ {\vphantom {{\partial {\text{Y}}} {\partial {\text{X}}}}} \right. \kern-\nulldelimiterspace} {\partial {\text{ X}}}} < 0\)). Ausführliche Informationen zu Kausalschleifendiagrammen finden Sie unter Sterman44.

In diesem Modell stellen die Schleifen B1 und B2 die Zerstörung starker und brennbarer Vegetation durch Feuer dar. Wie bereits erwähnt, kann Feuer die Anfälligkeit starker Vegetation erhöhen, indem es die Umgebung verbrennt und sie anfälliger für Feuer macht. Dieser Mechanismus wird durch die Schleifen R1 (das Verbrennen brennbarer Vegetation erhöht die brennbare Vegetation weiter) und B3 (das Verbrennen starker Vegetation macht andere starke Vegetation anfällig für Brände) dargestellt. In dieser Studie gehen wir davon aus, dass beide Gebiete mit starker und brennbarer Vegetation homogen sind. Aufgrund dieser vereinfachenden Annahme gehen wir davon aus, dass das Verhalten des Modells unabhängig von räumlichen Details der Vegetation ist. Diese als Universalität bezeichnete Annahme wurde bereits in verschiedenen Kompartimentmodellierungsstudien berücksichtigt37.

Wir basieren unser Modell auf der Einheit Waldfläche, was dazu führt, dass die Leerfläche (E) des Waldes durch die folgende Gleichung bestimmt werden kann:

Wir können dann die Beziehung zwischen den Bestandsvariablen durch die folgenden Differentialgleichungen darstellen.

wobei \(\gamma_{S}\) und \(\gamma_{F}\) die anteilige Verbrennungsrate von starker bzw. brennbarer Vegetation sind; \(\alpha\) ist die Geschwindigkeit, mit der starke Vegetation entflammbar wird; \(\tau_{1}\) ist die durchschnittliche Zeit, die brennbare Vegetation benötigt, um stark zu werden; und \(\tau_{2}\) ist die durchschnittliche Zeit, die der leere Raum benötigt, um brennbare Vegetation zu wachsen, wobei oft \(\tau_{2} < < \tau_{1}\). Somit beträgt die Gesamtverbrennungsrate beider Vegetationstypen (B).

In dieser Gleichung ist \(\gamma_{F}\), die Geschwindigkeit, mit der brennbare Vegetation verbrannt wird, eine Funktion der Summe der menschlichen und natürlichen Entzündungen. Allerdings hängt \(\gamma_{S}\), die prozentuale Verbrennungsrate starker Vegetation von der Verbrennungsrate brennbarer Vegetation ab und tritt auf, wenn sich Feuer im Wald ausbreitet – also \(\gamma_{S} = f\left( {\gamma_{F} F} \right)\). Wir formulieren f mithilfe einer Sigmoidfunktion (Tabelle 1). Darüber hinaus beträgt \(\alpha\), die Geschwindigkeit, mit der starke Vegetation infolge eines Feuers entflammbar wird, \(\alpha = \sigma B\), wobei \(\sigma\) der brennende Effekt auf die Verwundbarkeit ist.

Im Allgemeinen wird die öffentliche Einstellung gegenüber riskanten Entscheidungen durch den Grad ihrer Risikowahrnehmung beeinflusst. Im Fall von Waldbränden gibt es zahlreiche Hinweise darauf, dass sich die Aufmerksamkeit der Menschen für das Problem und möglicherweise die damit verbundene Risikowahrnehmung im Laufe der Zeit verändert hat. Abbildung 4 zeigt die Häufigkeit von Google-Suchanfragen nach dem Wort „Lauffeuer“ in den USA. Die Trends sind schwankend und es besteht eine Korrelation von 0,4 zwischen der Suche und der verbrannten Fläche von 2004 bis 2018.

Google-Suchtrend nach „Lauffeuer“ in den USA und seine Korrelation mit der jährlich verbrannten Fläche.

Es gibt eine Reihe von Forschungsarbeiten, die sich mit der Frage befassen, wie die Wahrnehmung der Waldbrandgefahr mit Eindämmungsmaßnahmen zusammenhängt45,46,47,48. Eine Untersuchung eines brandgefährdeten Gebiets in Colorado ergab, dass ein einzelner extremer Waldbrand die Risikowahrnehmung nicht wesentlich beeinflusst47. Darüber hinaus zeigen Erkenntnisse zur Brandrisikowahrnehmung der Menschen, dass eine Änderung der Brandrisikowahrnehmung nicht länger als ein paar Jahre anhält48. Wir konstruieren die Auswirkung der Risikowahrnehmung auf menschliches Handeln auf der Grundlage der oben genannten Forschung mit zwei wichtigen Merkmalen. Erstens prägt die allgemeine Waldbrandaktivität der letzten Jahre die Brandrisikowahrnehmung der Menschen; Zweitens verschwindet die Wirkung von Waldbränden auf die Wahrnehmung der Menschen mit der Zeit.

Wir beziehen zwei Hauptmechanismen ein, um die Auswirkungen von Veränderungen in der Risikowahrnehmung darzustellen, wie in Abb. 5 dargestellt. Die Schleife B4, Selbstgefälligkeit, stellt den menschlichen Beitrag zum Feuer durch rücksichtsloses Verhalten dar, das zur Brandentfachung führen kann. Die Schleife B5, gefährdete Grundstücke, stellt Grundstücksbebauung in Waldgebieten dar. Solche Eigenschaften erhöhen die Interaktion des Menschen mit der natürlichen Umwelt und die Wahrscheinlichkeit einer vom Menschen verursachten Entzündung. Wir berücksichtigen auch die Tatsache, dass solche Grundstücke selbst Ziel von Feuer sein könnten, Schleife B6.

Das menschliche Subsystem in Verbindung mit dem natürlichen Subsystem (grau).

In diesem Modell der Risikowahrnehmung wird \(\overline{B}\) als um \(\delta_{1}\) Jahre verzögerte Variable der Verbrennungsrate (\(B\)) formuliert, unter der Annahme, dass keine systematische Verzerrung vorliegt Risikowahrnehmung. Die Gesamtzündung von I umfasst die vom Menschen verursachte Zündung (\(I_{H}\)) und die natürliche Zündung durch Blitzschlag (\(I_{N}\)), wobei letztere in unserem Modell als konstant angenommen wird. Mehrere Studien in verschiedenen Regionen der Welt (Spanien, Kanada und die Vereinigten Staaten) deuten darauf hin, dass die vom Menschen verursachte Entzündung durch menschliche Siedlungen in der Region zunimmt49,50,51. Wir gehen auch davon aus, dass die Anzahl menschlicher Entzündungen in umgekehrtem Zusammenhang mit ihrer Risikowahrnehmung steht. Unter der Annahme, dass menschliche Siedlungen durch gefährdete Grundstücke V repräsentiert werden, formulieren wir \(I_{H}\) als \(I_{H} \left( {V,\overline{B}} \right)\), wobei \(\frac {{\partial I_{H} }}{\partial V} > 0\) und \(\frac{{\partial I_{H} }}{{\partial \overline{B}}} < 0\). Aus Gründen der Sparsamkeit formulieren wir die Wirkung von \(\overline{B}\) auf \(I_{H}\) mithilfe einer linearen Funktion (siehe Anhang).

Obwohl Martin et al. 43 diskutierten, wie verschiedene Interessengruppen (einschließlich Versicherungsunternehmen und Bundesbehörden) die Sensibilität des Menschen gegenüber der Risikowahrnehmung erhöhen könnten, sie lieferten keine quantitative Schätzung dieses Wertes.

Schließlich werden die anfälligen Eigenschaften V, die sich im Laufe der Zeit ändern können, wie folgt formuliert:

Der Begriff \(\theta E_{bt}\) stellt die Immobilienentwicklung dar und wird als proportional zu den aktuellen Immobilien angesehen und negativ von der Risikowahrnehmung beeinflusst. Die umgekehrte Beziehung zwischen wahrgenommenem Risiko und der Ausweitung gefährdeter Grundstücke ist ein Indikator für externe Bedingungen wie die Zoneneinteilung, da baupolitische Entscheidungen zu komplex sind, um direkt modelliert zu werden, da sie sehr kontextspezifisch sind und politische Entscheidungen beinhalten52. Während einige Studien auf keinen Zusammenhang zwischen dem Auftreten von Naturkatastrophen und Gemeindeentwicklungsprogrammen schließen lassen, gehen andere davon aus, dass wirtschaftliche Intensivität (z. B. Versicherungspolicen) zu einer Verringerung des Entwicklungstempos führt, wenn die Katastrophen zunehmen53,54. Hier erkennen wir an, dass es keine allgemeine Einigkeit über die Auswirkungen von Naturkatastrophen und Entwicklungsprogrammen gibt, und erstellen das Modell für Bereiche, in denen ein solcher Zusammenhang nachweislich besteht. Der Begriff \(\rho V\) steht für den Abriss von Grundstücken. Der Abriss ist in unserem Modell hauptsächlich auf das Feuer zurückzuführen, d. h. \(\rho = \rho \left( B \right)\).

Das vorgestellte Modell ist generisch und kann für eine Vielzahl von Parameterwerten simuliert werden. In Tabelle 1 sind Parameterwerte aufgeführt, die für Basislaufsimulationen verwendet werden. Einige der Werte stimmen mit der Literatur überein, während andere ausgewählt wurden, um Variationen der Bedingungen in verschiedenen forstwirtschaftlichen Umgebungen zu untersuchen. Um sicherzustellen, dass das Modellierungsergebnis robust ist, führen wir Sensitivitätsanalysen für eine Vielzahl von Variablen durch. Das Sensitivitätsergebnis legt nahe, dass das Modellergebnis mit dem Basislauf übereinstimmt (siehe Anhang 2).

Unsere Simulationsexperimente umfassen eine Basissimulation und eine Reihe von Richtlinien- und Szenariotests, wie in Tabelle 2 aufgeführt. Die Tabelle enthält auch Einzelheiten dazu, wie die einzelnen Tests in unserer Analyse implementiert werden. Konkret analysieren wir den Zusammenhang zwischen natürlicher Dynamik und menschlicher Wahrnehmung und deren Folgen für die Brandentwicklung, indem wir die Sensitivität der Risikowahrnehmung gegenüber der Brandrate verändern (Test T2). Anschließend untersuchen wir die Auswirkungen von vier verschiedenen Maßnahmen: Begrenzung der Entwicklung gefährdeter Grundstücke (P1), vorgeschriebene und kontrollierte Verbrennung brennbarer Vegetation (P2), wirksame Brandbekämpfung, die das Eindringen von Feuer von brennbarer Vegetation in starke Vegetation begrenzt (P3) und Beseitigung Schneiden (P4), bei dem ein Teil der starken Vegetationsbäume entfernt und in die leere Fläche umgewandelt wird55.

Abbildung 6 zeigt die Ergebnisse der Basislaufsimulation. In diesem Szenario nimmt die starke Vegetation im Laufe der Zeit ab, während die leeren Flächen und die brennbare Vegetation zunehmende Tendenzen aufweisen. Dadurch stünde mehr Brennstoff zum Verbrennen zur Verfügung und der Flächenbrand kann größere Gebiete verbrennen. Tafel (a) zeigt einen oszillierenden Trend für die Verbrennungsrate mit einem durchschnittlichen Aufwärtstrend (Um sicherzustellen, dass das oszillierende Verhalten des Modells nicht nachlässt, zeigt Anhang 4 das Simulationsergebnis für 100 Jahre). Das beobachtete Muster der Verbrennungsrate kann auf die Muster menschlicher Zündung (Panel b) und den wachsenden Trend gefährdeter Objekte (Panel c) zurückgeführt werden. Darüber hinaus zeigen die Ergebnisse den langfristigen rückläufigen Trend starker Vegetation in unserer Basissimulation (Panel d); Im Laufe der Zeit wird stärkere Vegetation durch brennbare Vegetation ersetzt, was zu mehr Bränden führen kann. Diese Veränderung der Vegetationszusammensetzung erhöht effektiv die durchschnittliche Verbrennungsrate. Mit der Zeit steigt die Wahrscheinlichkeit einer vom Menschen verursachten Entzündung, da die Vegetation immer brennbarer wird und sich die gefährdeten Grundstücke ausweiten.

Basislaufsimulation für einen 20-jährigen Lauf des Modells.

Abbildung 7 zeigt, wie sich die Beziehung zwischen der wahrgenommenen Brandgefahr und der Brandrate auf das System auswirkt. Die schwarze Linie ist die Basislaufsimulation zum Vergleich. Die blaue gestrichelte Linie stellt den Zustand dar, in dem sich die Risikowahrnehmung extrem langsam ändert und das menschliche System nahezu vom natürlichen System abgekoppelt ist. Wenn Menschen in dieser Situation das Brandpotenzial unterschätzen, brennt das System die Natur nieder, was zu katastrophalen Folgen für die Umwelt führt, wie in Tafel (a) dargestellt. Abbildung (a) zeigt, dass die Verbrennungsrate kurzfristig über das Ziel hinausschießt, aber aufgrund der geringeren verbleibenden natürlichen Ressourcen, die verbrannt werden müssen, relativ zurückgeht.

Kopplungseffektanalyse seit 20 Jahren. Die menschliche Zündungseinheit ist Zündung/Jahr und die gefährdete Grundstückseinheit ist eine Million Hektar. Starker Bewuchs und brennbarer Bewuchs werden als Verhältnis angegeben, das jeweils die Waldfläche einnimmt.

Panel (b) zeigt die gesamte Verbrennungsrate während der gesamten Untersuchungszeit, um weitere Einblicke in die Sensitivität der Verbrennungsrate gegenüber dem wahrgenommenen Risiko zu erhalten. Die Gesamtverbrennungsrate ändert sich nicht wesentlich, wenn sich die Risikowahrnehmung von 0,5 auf 2 ändert, was darauf hindeutet, dass der Unterschied zwischen den Verbrennungsraten in Panel (a) eher auf den Fluktuationszeitpunkt, nicht aber auf die Größe zurückzuführen ist. Ein zusätzlicher Anstieg des Risikogefühls erhöht jedoch die Gesamtverbrennungsrate erheblich, wie in Abbildung (a) zu sehen ist.

Im Falle einer längeren Änderung der Risikowahrnehmung nimmt die menschliche Zündkraft weiter zu (Panel c), da sich das wahrgenommene Risiko langsam ändert. Darüber hinaus werden gefährdete Immobilien schneller gebaut als sie abgerissen werden (Panel d). Eine geringere Wahrnehmungsverzögerung führt zu einer höheren Oszillationsfrequenz, wie in den Diagrammen durch die roten gestrichelten Linien dargestellt, und zu einer längeren Verzögerung bei einer Oszillation mit niedrigerer Frequenz, wie in den violetten Diagrammen dargestellt. Insgesamt unterscheiden sich die Ergebnisse nicht wesentlich vom Basislauf. Wir verlieren Wälder (Panel e) und verzeichnen periodisch auftretende Waldbrände, deren Ausmaß mit der Zeit zunimmt.

Hier untersuchen wir die Auswirkungen der Umsetzung von vier in Tabelle 2 vorgestellten vorgeschlagenen Richtlinien. Um zu verhindern, dass die Anfangsbedingung und die Übergangsfristen unseren Vergleich der vorgeschlagenen Richtlinien beeinträchtigen, haben wir jede Richtlinie im fünften Jahr eingeführt und die Gesamtverbrennungsraten zwischen 10 und 20 Jahren verglichen. Abbildung 8 zeigt die Wirkung dieser Richtlinien auf verschiedene Variablen.

Strategieumsetzung. Hinweis: P1: begrenzt die Entwicklung gefährdeter Grundstücke; P2: vorgeschriebenes Brennen; P3: effektive Brandbekämpfung; und P4: Freischneiden. Die menschliche Zündungseinheit ist Zündung/Jahr und die gefährdete Grundstückseinheit ist eine Million Hektar. Starker Bewuchs und brennbarer Bewuchs werden als Verhältnis angegeben, das jeweils die Waldfläche einnimmt.

Die Felder (a) und (b) zeigen die Verbrennungsrate über die Zeit bzw. kumulativ. Alle vier Richtlinien reduzieren die Größe der Brennrate im Vergleich zum Basislauf. P3 ist bei der Reduzierung der frühen Verbrennungsrate im Vergleich zu anderen Maßnahmen wirksamer, führt aber letztendlich zu einem ähnlichen Verhalten. Es ist erwähnenswert, dass P1 den größten Effekt auf die langfristige Fluktuationsreduzierung hat, obwohl sein Gesamteffekt über die Zeitspanne geringer ist als der von P3. Es scheint, dass die Brandbekämpfung kurzfristig effektiver ist, aber sie kann die Fluktuation nicht dämpfen und begrenzt stattdessen ihr Wachstum. Dies ist zum Teil darauf zurückzuführen, dass aufgrund der kurzfristigen Erfolge bei der Brandbekämpfung die Brand- und Siedlungsgefahr durch Menschen zunimmt. Infolgedessen nehmen die Menschen eine geringere Brandgefahr wahr und üben weiterhin risikoreiche Aktivitäten aus und bauen den Wohnungsbau in der WUI aus. Die Folge ist eine weitere Schwankung der Brenngeschwindigkeit, selbst wenn P3 implementiert ist. Andererseits kann die WUI-Erweiterungsbegrenzungsrichtlinie die Fluktuation der Brennrate zeitnah wirksam reduzieren. Die Implementierung von P4 führt zu einer Verringerung der starken Vegetation, was zu einer Zunahme der brennbaren Vegetation führt. Da brennbare Vegetation der Hauptbrennstoff für Waldbrände ist, führt diese Maßnahme zu einer Erhöhung der Brennstoffverfügbarkeit und einer Erhöhung der Verbrennungsrate.

Die Veränderung der menschlichen Zündkraft ist in Tafel (c) dargestellt. Es sind unterschiedliche Ausmaße der vom Menschen verursachten Entzündungen zu beobachten, und der Grund dafür ist, dass Menschen ihr Hochrisikoverhalten an die Verbrennungsrate und nicht an die Anzahl der Brände anpassen. In der Brandbekämpfungspolitik sinkt die Verbrennungsrate bei einem bestimmten Zündniveau, wir beobachten ein riskanteres Verhalten und mehr vom Menschen verursachte Zündungen. Es ist interessant festzustellen, dass wir, wie Panel (c) zeigt, unter den Richtlinien 2, 3 und 4 letztendlich mehr WUI haben. Tatsächlich liegt der Grund darin, dass die Brandbekämpfung, das vorgeschriebene Abbrennen und die Kahlschlagarbeiten nur den natürlichen Bereich des Waldes betreffen Modell verringern die Verbrennungsrate, was die Risikowahrnehmung verringert und wiederum zu einer stärkeren WUI-Entwicklung führt. Andererseits zielt P1 direkt auf WUIs ab.

Tafel (e) zeigt die Veränderung der starken Vegetation, was zeigt, dass P4 die stärkste Reduzierung der Waldbaumbedeckung verursacht, da es die starke Vegetation direkt entfernt. P2 führt außerdem zu einer Verringerung des starken Bewuchses im Vergleich zum Basislauf. Der Grund dafür ist, dass brennende brennbare Vegetation junge Bäume schädigt und verhindert, dass sie sich zu fester Vegetation entwickeln. Andererseits hat P3 den geringsten Einfluss auf starke Vegetation, indem es den Schaden an jungen Bäumen verlangsamt und das Feuer eindämmt. Panel (f) zeigt die Dynamik der brennbaren Vegetation nach der Einführung der einzelnen Richtlinien. P3 und P2 reduzieren brennbare Vegetation stärker als P1. Es gibt jedoch einen wichtigen Unterschied darin, wie diese Maßnahmen zu einer Verringerung der brennbaren Vegetation führen. Beim Vergleich der Tafeln (a) und (b) sehen wir, dass P3 zwar zu einer weiteren Zunahme der starken Vegetation führt, P2 jedoch zu einer Vergrößerung der leeren Fläche. P4 ist die einzige Richtlinie, die die brennbare Vegetation erhöht, indem sie die starke Vegetation entfernt und einen leeren Bereich bereitstellt, der mit junger Vegetation gefüllt wird.

Insgesamt sieht es so aus, als ob jede Maßnahme einen geringfügigen Einfluss auf die Eindämmung von Waldbränden hat, auch wenn das Ausmaß der Auswirkungen nicht beträchtlich ist.

Zur Modellvalidierung untersuchen wir seine Fähigkeit, einen einzelnen Fall, die Waldbrände in den Vereinigten Staaten von 1996 bis 2015, abzudecken. Wir nutzen die Waldbranddatenbank des US-Landwirtschaftsministeriums für die angrenzenden Vereinigten Staaten (Short, 2017). Die Ergebnisse sind in Abb. 9 dargestellt. In dieser Abbildung folgt die Simulation der Verbrennungsrate und der menschlichen Zündung (durchgezogene Linien, in Schwarz) genau den realen Daten (gepunktete Linien, in Rot), und das Modell gibt die historischen Trends ziemlich gut wieder .

Verbrennungsrate und menschliche Zündung pro Waldflächeneinheit. Die schwarze Linie stellt das Modellergebnis dar und die rote gepunktete Linie stellt die historische Waldbrandaktivität in den angrenzenden Vereinigten Staaten dar.

Um die Auswirkungen unserer Richtlinien besser zu verstehen, führen wir verschiedene Richtlinienpaare gleichzeitig aus. Die Ergebnisse veranschaulichen die nichtlinearen inkrementellen Auswirkungen zwischen Richtlinien. Einfach ausgedrückt scheint es, dass die Wirkung mehrerer Richtlinien verstärkt wird, wenn sie synergetisch kombiniert werden. Mit anderen Worten: Die Anwendung mehrerer Maßnahmen könnte eine größere Gesamtwirkung haben als die Summe der Einzelwirkungen der Maßnahmen und legt nahe, dass die politischen Entscheidungsträger nicht nach einem Allheilmittel suchen und ein breites Spektrum an Ansätzen mit Bedacht verfolgen sollten.

Die Ergebnisse mehrerer und einzelner Richtlinienumsetzungen sind in Abb. 10 dargestellt. Beispielsweise reduzieren P1 und P2 die Gesamtverbrennungsrate jeweils um 4,9 % bzw. 4,5 %. Während die Summe dieser Effekte 9,4 % beträgt, führt die gleichzeitige Umsetzung von P1 und P2 zu einer Verringerung der Verbrennungsrate um 13,6 % – P1 steuert die menschliche Zündung und P2 reduziert den brennbaren Pflanzenbestand – zusammen wird die Verbrennungsrate stärker beeinflusst als bei Umsetzung separat. Der Fall ist interessanter, wenn P1 und P3 zusammen angewendet werden. Das Ergebnis ist eine Reduzierung der Verbrennungsrate um 38 % im Vergleich zu 13,9 %, was der Summe der alleinigen Umsetzung jeder Richtlinie entspricht. Der synergetische Effekt entsteht, weil P3 die brennbare Vegetation (hauptsächlich junge Bäume) altern lässt und zu starker Vegetation werden lässt. Darüber hinaus verhindert P1 auch, dass die menschliche Zündung so schnell zunimmt wie eine einzelne P3-Implementierung.

Die nichtlineare Wirkung von Richtlinien. Die Vorteile der Implementierung mehrerer Richtlinien unterscheiden sich von der Summe der Auswirkungen der Richtlinien. Die Abbildung zeigt den Prozentsatz der Reduzierung der Brenngeschwindigkeit. Hinweis: P1: Bebauung gefährdeter Grundstücke begrenzen; P2: vorgeschriebenes Brennen; P3: effektive Brandbekämpfung; und P4: Freischneiden.

Ein interessanter Fall tritt auf, wenn P2 und P3 zusammen implementiert werden. Der Synergieeffekt ist geringer als die Summe der einzelnen Umsetzungen, hauptsächlich weil sich beide Maßnahmen auf die Vegetationsdynamik und nicht auf den menschlichen Faktor beim Waldbrand auswirken. P2 und P3 führen beide zu einer geringeren anfänglichen Brandrate, aber aufgrund der geringeren wahrgenommenen Waldbrandgefahr und der Ausweitung der WUI verschwindet dieser Effekt schnell. Dies ist ein weiterer Beweis dafür, wie wichtig es ist, das Problem als ein miteinander verbundenes natürliches und menschliches System zu betrachten, in dem wirksame Maßnahmen beide Seiten berücksichtigen sollten.

Schließlich ergibt sich ein interessantes Ergebnis, wenn alle Richtlinien gemeinsam durchgesetzt werden. Überraschenderweise hat die Durchsetzung aller Richtlinien zusammen nicht den größten Einfluss auf die Gesamtverbrennungsrate (32,5 %), die geringer ist als der P1- und P3-Effekt (38,0 %). Der Grund liegt hauptsächlich darin, dass sowohl P2 als auch P4 eine Zunahme der brennbaren Vegetation verursachen, nachdem leere Flächen gefüllt wurden, was nach einer Verzögerung zu einer höheren Verbrennungsrate führt.

Wir haben eine Reihe von Sensitivitätsanalysen durchgeführt, um die Robustheit des Modells gegenüber unseren Annahmen zu überprüfen. Konkret haben wir eine Monte-Carlo-Analyse durchgeführt und mehrere Parameterwerte geändert, um die Bandbreite der Ergebnisse zu bestimmen. Die Ergebnisse sind in Anhang 2 aufgeführt. Zusammenfassend lag der Schwerpunkt auf Parametern, die erheblich andere Werte als die im Modell angenommenen annehmen können, einschließlich Parametern, die für die Formulierung der Risikowahrnehmung verwendet werden, und deren Auswirkungen auf menschliches Verhalten, wie etwa die Zeit, die für die Risikowahrnehmung benötigt wird und Zeit, um das Verhalten zu ändern, zusätzlich zur Bruchzahl der Verbrennungsrate pro Zündung, der durchschnittlichen Verbrennung, der anfänglichen brennbaren Vegetation, der anfänglichen starken Vegetation, dem Multiplikator der menschlichen Zündung und dem anfänglichen gefährdeten Eigentum. Wie im Anhang beschrieben, haben wir für die meisten dieser Variablen die entsprechende Variable auf das Doppelte ihres Basislaufwerts geändert. Darüber hinaus testen wir verschiedene Werte für die anfängliche starke Vegetation und die anfängliche brennbare Vegetation und ändern sie zwischen Null und ihren Basiswerten. Jeder Sensitivitätstest ist das Ergebnis von 2000 Simulationsläufen unter Verwendung einer gleichmäßig verteilten Zufallsverteilung der Parameter innerhalb der angegebenen Intervalle. Die Ergebnisse sind qualitativ robust und ihre Variabilität liegt innerhalb angemessener Grenzen (siehe Abbildung A1).

Waldbrände sind nach wie vor eine der größten globalen Herausforderungen, die verschiedene Regionen auf der ganzen Welt und auf allen Kontinenten betreffen. Während Länder unterschiedliche politische Maßnahmen umsetzen, um die katastrophalen Folgen von Waldbränden zu mildern, scheint es, dass (a) wir weit davon entfernt sind, dieses Problem auf globaler Ebene anzugehen, und (b) die Trends insgesamt in die falsche Richtung gehen und auf eine Zunahme hinweisen Ausmaß von Bränden und verbrannten Flächen. Dieses Papier ist eine Antwort auf diese Herausforderung. Wir haben ein Systemdynamikmodell für die Ausbreitung von Waldbränden in einem hypothetischen Szenario entwickelt und die Auswirkungen mehrerer wichtiger Mechanismen bei der Bestimmung der Brandrate, der Brandhäufigkeit und der öffentlichen Risikowahrnehmung von Waldbränden simuliert. Das Modell umfasste zwei Hauptbereiche des natürlichen und des menschlichen Subsystems, die durch den menschlichen Beitrag zur Entzündung und die menschliche Risikowahrnehmung von Bränden miteinander verbunden waren. Wir haben das Modell für eine Vielzahl von Szenarien simuliert, die unterschiedliche Grade der menschlichen Sensibilität gegenüber sich entwickelnden Bränden und eine Reihe politischer Eindämmungsmaßnahmen darstellen. Unsere Ergebnisse zeigen, wie Menschen und Vegetation die Waldbrandaktivität bestimmen, und definieren Waldbrände als ein zwischen Mensch und Natur gekoppeltes System. Aufgrund der hypothetischen Annahme des Modells sind die Ergebnisse in ihren relativen Änderungen wichtig, nicht in ihren absoluten Werten.

Wir haben mehrere Simulationsexperimente mit dem Modell durchgeführt. Die Ergebnisse zeigen ein breites Spektrum an Schwankungsmustern in verschiedenen Szenarien und politischen Bedingungen. Der Basisdurchlauf zeigte die Möglichkeit eines oszillierenden Ergebnisses bei einer vom Menschen verursachten Zündung und ein oszillierendes Muster bei der Verbrennungsrate mit insgesamt steigender Tendenz. Der Rückgang der starken Vegetation und die Zunahme gefährdeter Grundstücke führen zu einem zunehmenden Trend bei der Verbrennungsrate, während die Dynamik der menschlichen Wahrnehmung das Oszillationsmuster beeinflusst.

Unsere Studie leistet einen Beitrag zur Literatur zur Modellierung von Naturkatastrophen und insbesondere zu Waldbrandstudien. Wir bieten das erste Modell des gekoppelten menschlich-natürlichen Waldbrandsystems. Unsere Studie baut auf mehreren früheren Modellen der ökologischen Dynamik21, insbesondere der Waldbranddynamik37, auf und erweitert sie um die Interaktion des Menschen mit natürlichen Systemen. Das Modell ist generisch und soll Einblicke in die Absichten der menschlichen Natur im Zusammenhang mit dem Problem der Waldbrände liefern. Unsere Arbeit unterscheidet sich von früheren räumlichen Modellen von Waldbränden. Bei der räumlichen Modellierung von Waldbränden ist der menschliche Einfluss räumlich statisch. Hier zeigen wir, dass dieselbe Bevölkerung eine unterschiedliche Anzahl von Bränden entzünden und das Waldbrandverhalten beeinflussen könnte. Unser im Vergleich zu früheren Studien unterschiedlicher Ansatz führt auch zu unterschiedlichen Ergebnissen. Beispielsweise weisen wir auf die Ursachen des politischen Widerstands bei der Eindämmung von Waldbränden hin, und zwar in Bezug darauf, wie Risiken wahrgenommen werden und wie Grundstücke neben natürlichen Ressourcen gebaut werden.

Unsere Studie steht im Einklang mit einigen früheren Systemdynamikmodellen anderer Naturkatastrophen36,37. Wir verfolgen einen endogenen Ansatz zum Konzept der Systemverwundbarkeit, indem wir den menschlichen Faktor als Teil des Systems betrachten, der sowohl auf das Problem reagiert als auch zum Problem beiträgt. Die Bedeutung einer rückkopplungsreichen Modellierung hat sich bereits in der Vergangenheit im nachhaltigen Umweltmanagement, einschließlich Wasserqualität, Abfallmanagement und Wasserversorgung, gezeigt25. Hier schlagen wir einen ähnlichen Ansatz für das Waldbrandmanagement vor und wollen wichtige Mechanismen verstehen, die das Waldbrandverhalten beeinflussen.

Die Studie hat mehrere politische Implikationen. Wir haben vier Richtlinien verglichen: vorgeschriebenes Abbrennen, Kontrolle gefährdeter Objekte, Verbesserung der Wirksamkeit der Brandbekämpfung und Kahlschlag. Wir haben gezeigt, dass die Wirksamkeit der Brandbekämpfung die Gesamtbrandrate wirksamer reduziert als andere vorgeschlagene Maßnahmen. Noch wichtiger ist, dass wir gezeigt haben, dass die gleichzeitige Umsetzung von Richtlinien zu einem Synergieeffekt führen kann, der die Summe der Auswirkungen der alleinigen Umsetzung derselben Richtlinien übertreffen kann. Während beispielsweise die Kontrolle der Entwicklung gefährdeter Grundstücke und eine wirksame Brandbekämpfung jeweils die Brandrate um 4,9 % bzw. 9 % senken, führt die Umsetzung beider Maßnahmen zu einer Reduzierung der Brandrate um 38 %. Ein solcher Synergieeffekt weist darauf hin, dass es bei der Bekämpfung von Waldbränden kein Allheilmittel gibt, was darauf hindeutet, dass wirksame Maßnahmen sowohl auf den menschlichen als auch auf den natürlichen Sektor des Systems abzielen sollten, um ihre Wirksamkeit zu maximieren. Mit anderen Worten: Da Waldbrände das Ergebnis eines gekoppelten Systems sind, das stark voneinander abhängige Bereiche Mensch und Natur umfasst, kann man das Problem nicht lösen, indem man sich ausschließlich auf einen Sektor konzentriert.

Diese Studie weist mehrere Einschränkungen auf, die zukünftige Möglichkeiten für weitere Untersuchungen aufzeigen. Wir haben das Modell bewusst einfach gehalten und uns auf die gegenseitigen Abhängigkeiten zwischen den menschlichen und natürlichen Bereichen des Modells konzentriert. Beispielsweise wird eine detaillierte Untersuchung der räumlichen Dynamik in diesem Zusammenhang, die ein Modell in größerem Maßstab erfordert, potenziell aufschlussreich sein und politische Implikationen haben. Mit einem räumlichen Modell kann die Politikanalyse erweitert werden, um die Auswirkungen einer breiten Palette waldbaulicher Maßnahmen (z. B. Durchforstung) einzubeziehen, und mit detaillierteren Verhaltensmodellen, die menschliche Heterogenitäten erfassen, können verhaltenspolitische Erkenntnisse gewonnen werden. Eine vollständige Kalibrierung des Modells auf globaler Ebene und die Einbeziehung der Branddurchdringung in verschiedenen Regionen sind weitere mögliche Erweiterungsmöglichkeiten.

Scott, JH, Thompson, MP & Calkin, DE Ein Rahmenwerk zur Risikobewertung von Waldbränden für Land- und Ressourcenmanagement (2013).

McFarlane, BL, McGee, TK & Faulkner, H. Komplexität der Waldbrandrisikominderung von Hausbesitzern: Eine Integration von Gefahrentheorien. Int. J. Wildland Fire 20, 921–931 (2011).

Artikel Google Scholar

Radeloff, VC et al. Das schnelle Wachstum der US-Wildland-Stadt-Schnittstelle erhöht das Risiko von Waldbränden. Proz. Natl. Acad. Wissenschaft. 115, 3314–3319 (2018).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Fowler, M. et al. Ein Datensatz zur menschlichen Wahrnehmung und Reaktion auf den Rauch von Waldbränden. Wissenschaft. Daten 6, 1–10 (2019).

Artikel Google Scholar

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

NBCNews. Tödliche Brände in Kalifornien haben dieses Jahr mindestens 30 Todesopfer gefordert. [30. September 2020]. https://www.nbcnews.com/news/us-news/deadly-fires-california-have-claimed-least-30-lives-year-n1241632 (2020).

Post, W. Der tödlichste und zerstörerischste Waldbrand in der Geschichte Kaliforniens wurde endlich eingedämmt (2018).

Catry, FX, Rego, FC, Bação, FL & Moreira, F. Modellierung und Kartierung des Waldbrandrisikos in Portugal. Int. J. Wildland Fire 18, 921–931 (2010).

Artikel Google Scholar

De Vasconcelos, MP, Silva, S., Tome, M., Alvim, M. & Pereira, JC Räumliche Vorhersage von Feuerzündwahrscheinlichkeiten: Vergleich von logistischer Regression und neuronalen Netzen. Fotogramm. Ing. Remote Sens. 67, 73–81 (2001).

Google Scholar

Johnson, EA & Miyanishi, K. Waldbrände. Verhalten und ökologische Auswirkungen 570 (Elsevier, 2001).

Google Scholar

Bonazountas, M., Kallidromitou, D., Kassomenos, P. & Passas, N. Waldbrandrisikoanalyse. Summen. Ökologisch. Risikobewertung. 11, 617–626 (2005).

Artikel Google Scholar

Loeb, LB Der Mechanismus des Blitzes. Wissenschaft. Bin. 180, 22–27 (1949).

Artikel CAS PubMed Google Scholar

Balch, JK et al. Von Menschen verursachte Waldbrände erweitern die Feuernische in den Vereinigten Staaten. Proz. Natl. Acad. Wissenschaft. 114, 2946–2951 (2017).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Prestemon, JP & Butry, DT The Economics of Forest Disturbances 123–147 (Springer, 2008).

Buchen Sie Google Scholar

Bartlein, PJ, Hostetler, S., Shafer, S., Holman, J. & Solomon, A. im 5. Symposium über Feuer und Waldmeteorologie. 16–20.

Abatzoglou, JT & Williams, AP Auswirkungen des anthropogenen Klimawandels auf Waldbrände in den Wäldern im Westen der USA. Proz. Natl. Acad. Wissenschaft. 113, 11770–11775 (2016).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Fleming, JR Joseph Fourier, der „Treibhauseffekt“ und die Suche nach einer universellen Theorie der Erdtemperaturen. Endeavour 23, 72–75 (1999).

Artikel Google Scholar

Westerling, AL, Hidalgo, HG, Cayan, DR & Swetnam, TW Die Erwärmung und der frühere Frühling erhöhen die Waldbrandaktivität im Westen der USA. Wissenschaft 313, 940–943 (2006).

Artikel ADS CAS PubMed Google Scholar

Fiddaman, T., Sterman, J., Jones, AP, Sawin, ER & Siegel, LS C-ROADS: Rapid Climate Overview and Decision-Support Simulator (2008).

Rooney-Varga, JN et al. Die Klimaaktionssimulation. Simul. Gaming 51, 114–140 (2020).

Artikel Google Scholar

Touboul, JD, Staver, AC & Levin, SA Über die komplexe Dynamik von Savannenlandschaften. Proz. Natl. Acad. Wissenschaft. 115, E1336–E1345 (2018).

Artikel MathSciNet CAS PubMed PubMed Central MATH Google Scholar

Pew, K. & Larsen, C. GIS-Analyse räumlicher und zeitlicher Muster von vom Menschen verursachten Waldbränden im gemäßigten Regenwald von Vancouver Island, Kanada. Für. Ökologisch. Geschäftsführer 140, 1–18 (2001).

Artikel Google Scholar

Matin, MA et al. Verständnis von Waldbrandmustern und -risiken in Nepal mithilfe von Fernerkundung, geografischen Informationssystemen und historischen Branddaten. Int. J. Wildland Fire 26, 276–286 (2017).

Artikel Google Scholar

Vilar, L., Woolford, DG, Martell, DL & Martín, MP Ein Modell zur Vorhersage des Auftretens von durch Menschen verursachten Waldbränden in der Region Madrid, Spanien. Int. J. Wildland Fire 19, 325–337 (2010).

Artikel Google Scholar

Stave, K. Partizipative Systemdynamikmodellierung für nachhaltiges Umweltmanagement: Beobachtungen aus vier Fällen. Nachhaltigkeit 2, 2762–2784 (2010).

Artikel Google Scholar

Langarudi, SP, Silva, CG & Fernald, AG Mehr messen oder schneller berichten? Einfluss der Informationswahrnehmung auf die Verwaltung von Commons. Syst. Dyn. Rev. 37, 72–92 (2021).

Artikel Google Scholar

Keane, RE, Drury, SA, Karau, EC, Hessburg, PF & Reynolds, KM Eine Methode zur Kartierung von Brandgefahr und -risiko auf mehreren Skalen und ihre Anwendung im Brandmanagement. Ökologisch. Modell. 221, 2–18 (2010).

Artikel Google Scholar

Finney, MA et al. Eine Methode zur Ensemble-Simulation von Waldbränden. Umgebung. Modell. Bewerten. 16, 153–167 (2011).

Artikel Google Scholar

Davis, C. et al. Vorhersage von auf Land treffenden Hurrikanen mit dem fortschrittlichen Hurrikan-WRF-Modell. Mo. Weather Rev. 136, 1990–2005 (2008).

Artikel ADS Google Scholar

Chen, X. & Zhan, FB Agent-Based Modeling and Simulation 78–96 (Springer, 2014).

Buchen Sie Google Scholar

Yin, W., Murray-Tuite, P., Ukkusuri, SV & Gladwin, H. Ein agentenbasiertes Modellierungssystem für die Simulation der Reisenachfrage bei der Hurrikan-Evakuierung. Transp. Res. Teil C Emerg. Technol. 42, 44–59 (2014).

Artikel CAS Google Scholar

Rahmandad, H. & Sterman, J. Heterogenität und Netzwerkstruktur in der Diffusionsdynamik: Vergleich agentenbasierter und Differentialgleichungsmodelle. Geschäftsführer Wissenschaft. 54, 998–1014 (2008).

Artikel Google Scholar

Bauch, CT, Sigdel, R., Pharaon, J. & Anand, M. Frühwarnsignale für Regimewechsel in gekoppelten Mensch-Umwelt-Systemen. Proz. Natl. Acad. Wissenschaft. 113, 14560–14567 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Innes, C., Anand, M. & Bauch, CT Der Einfluss von Mensch-Umwelt-Interaktionen auf die Stabilität von Wald-Grasland-Mosaik-Ökosystemen. Wissenschaft. Rep. 3, 1–10 (2013).

Artikel Google Scholar

Russo, L., Spiliotis, K., Giannino, F., Mazzoleni, S. & Siettos, C. Bautin-Gabelungen in einem Wald-Grasland-Ökosystem mit Mensch-Umwelt-Interaktionen. Wissenschaft. Rep. 9, 1–8 (2019).

Artikel Google Scholar

Staver, AC & Levin, SA Integration theoretischer Klima- und Feuereffekte auf Savannen- und Waldsysteme. Bin. Nat. 180, 211–224 (2012).

Artikel PubMed Google Scholar

Schertzer, E., Staver, A. & Levin, SA Implikationen der räumlichen Dynamik der Feuerausbreitung für die Bistabilität von Savanne und Wald. J. Mathe. Biol. 70, 329–341 (2015).

Artikel MathSciNet CAS PubMed MATH Google Scholar

Fiddaman, TS Erforschung politischer Optionen mit einem verhaltensorientierten Klima-Ökonomie-Modell. Syst. Dyn. Rev. J. Syst. Dyn. Soc. 18, 243–267 (2002).

Artikel Google Scholar

Sterman, J. et al. Weltklima: Eine Rollenspielsimulation von Klimaverhandlungen. Simul. Gaming 46, 348–382 (2015).

Artikel Google Scholar

Deegan, MA Erkundung der US-amerikanischen Hochwasserschutzpolitik: Eine Feedback-Ansicht des Systemverhaltens (State University of New York, 2007).

Google Scholar

Richardson, GP Überlegungen zu den Grundlagen der Systemdynamik. Syst. Dyn. Rev. 27(3), 219–243 (2011).

Artikel Google Scholar

Ghaffarzadegan, N., Lyneis, J. & Richardson, GP Wie kleine Systemdynamikmodelle den Prozess der öffentlichen Ordnung unterstützen können. Syst. Dyn. Rev. 27, 22–44 (2011).

Artikel Google Scholar

Ghaffarzadegan, N. & Larson, RC SD trifft OR: Eine neue Synergie zur Lösung politischer Probleme. Syst. Dyn. Rev. 34, 327–353 (2018).

Artikel PubMed PubMed Central Google Scholar

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

Google Scholar

McGee, TK, McFarlane, BL & Varghese, J. Eine Untersuchung des Einflusses von Gefahrenerfahrungen auf die Wahrnehmung des Waldbrandrisikos und die Einführung von Schadensbegrenzungsmaßnahmen. Soc. Nat. Ressource. 22, 308–323 (2009).

Artikel Google Scholar

Martin, WE, Martin, IM & Kent, B. Die Rolle der Risikowahrnehmung im Risikominderungsprozess: Der Fall von Waldbränden in Gemeinden mit hohem Risiko. J. Umgebung. Geschäftsführer 91, 489–498 (2009).

Artikel Google Scholar

Champ, PA & Brenkert-Smith, H. Ist Sehen Glauben? Wahrnehmung der Waldbrandgefahr im Laufe der Zeit. Risiko Anal. 36, 816–830 (2016).

Artikel PubMed Google Scholar

McCaffrey, S. Betrachtet Waldbrände als Naturgefahr. Soc. Nat. Ressource. 17, 509–516 (2004).

Artikel Google Scholar

Massada, AB, Syphard, AD, Stewart, SI & Radeloff, VC Wildfire-Zündverteilungsmodellierung: eine vergleichende Studie im Huron-Manistee National Forest, Michigan, USA. Int. J. Wildland Fire 22, 174–183 (2012).

Artikel Google Scholar

Mancini, LD et al. Klopfen Waldbrände an die Tür der bebauten Gebiete? Wälder 9, 234 (2018).

Artikel Google Scholar

Gralewicz, NJ, Nelson, TA & Wulder, MA Räumliche und zeitliche Muster von Waldbrandentfachungen in Kanada von 1980 bis 2006. Int. J. Wildland Fire 21, 230–242 (2011).

Artikel Google Scholar

Meldrum, JR et al. Wechselwirkungen zwischen der Risikowahrnehmung der Anwohner und der Eindämmung des Waldbrandrisikos: Belege aus der Modellierung simultaner Gleichungen. Feuer 2, 46 (2019).

Artikel Google Scholar

Mochizuki, J., Mechler, R., Hochrainer-Stigler, S., Keating, A. & Williges, K. Neuauflage der Debatte über „Katastrophe und Entwicklung“ – Auf dem Weg zu einem umfassenderen Verständnis von makroökonomischem Risiko und Resilienz. Aufstieg. Risikomanagement 3, 39–54 (2014).

Artikel PubMed PubMed Central Google Scholar

Botzen, WW, Deschenes, O. & Sanders, M. Die wirtschaftlichen Auswirkungen von Naturkatastrophen: Eine Überprüfung von Modellen und empirischen Studien. Rev. Environ. Wirtschaft. Richtlinie 13, 167–188 (2019).

Artikel Google Scholar

Corona, P. et al. Integrierte Waldbewirtschaftung zur Verhinderung von Waldbränden in mediterranen Umgebungen. (2015).

Referenzen herunterladen

Die Autoren danken Shyam Ranganathan, Anne-Lise Velez und Manish Bansal für ihre konstruktiven Kommentare zu früheren Entwürfen dieses Papiers. Unser großer Dank gilt auch unseren drei anonymen Gutachtern.

Abteilung für Industrie- und Systemtechnik, Virginia Tech, Blacksburg, USA

Farshad Farkhondehmaal & Navid Ghaffarzadegan

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

FF und NG haben die Studie entworfen und das Modell entwickelt. FF führte die Analyse durch und bereitete Manuskriptmaterial vor. NG überprüfte die Analyse und das Manuskript.

Korrespondenz mit Farshad Farkhondehmaal.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Farkhondehmaal, F., Ghaffarzadegan, N. Ein zyklisches Waldbrandmuster als Ergebnis eines gekoppelten menschlichen natürlichen Systems. Sci Rep 12, 5280 (2022). https://doi.org/10.1038/s41598-022-08730-y

Zitat herunterladen

Eingegangen: 21. Juli 2021

Angenommen: 21. Februar 2022

Veröffentlicht: 28. März 2022

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

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.