• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Natureza
    Modelagem de incêndios florestais ajuda a prever incêndios na Colômbia

    Um drone ainda retirado de um incêndio no Vale do Aburrá, na Colômbia, em setembro de 2019. Crédito:SIATA

    Um novo modelo de incêndio florestal ajuda a prever onde e quando os incêndios florestais começarão no Vale do Aburrá, na Colômbia. Essa pesquisa, apresentado no início deste mês no Encontro de Outono da União Geofísica Americana 2019 em São Francisco, está ajudando as cidades locais a evitar os impactos devastadores dos incêndios no meio ambiente e na saúde.

    O Vale do Aburrá tem sido particularmente suscetível às condições de seca provocadas pelo El Niño na última década, de acordo com os pesquisadores.

    Os bombeiros da Colômbia estão agora usando o novo modelo para identificar e monitorar áreas sensíveis durante a estação seca e direcionar os recursos conforme o início dos incêndios. Cientistas cidadãos também estão usando os resultados do modelo como parte de um projeto para monitorar a qualidade do ar em todo o vale.

    "Nós somos realmente o sistema de alerta precoce, "disse Nicolas Velásquez, um estudante de pós-doutorado na University of Iowa que ajudou no projeto enquanto estava na Universidad Nacional de Colombia.

    Na colômbia, muitos departamentos de bombeiros locais são formados por voluntários que operam de forma independente, com pouca comunicação entre os grupos. O modelo ajuda a unificar os esforços para interromper incêndios antes que eles comecem, fornecendo informações consistentes. À medida que o modelo identifica novas regiões de alto risco, as equipes de resposta podem mover-se para limpar a desordem potencialmente perigosa, como lixo ou fogueiras ilegais.

    O novo modelo serve como um ponto de ancoragem para ação imediata, de acordo com os pesquisadores. Paulo Artaxo, um físico atmosférico da Universidade de São Paulo que não esteve envolvido no estudo, acredita que modelos robustos serão essenciais para melhorar a previsão na detecção de incêndios florestais.

    Uma comparação lado a lado da probabilidade de incêndio prevista pelo modelo na estação seca (esquerda) e chuvosa (direita). Crédito:SIATA

    “Se você quiser diminuir a vulnerabilidade da sociedade a incêndios, isso é exatamente o que deve ser feito, "Disse Artaxo." Em uma escala menor, você pode controlar os parâmetros mais facilmente, mas fazer esse tipo de pesquisa para toda a Amazônia será extremamente importante. "

    Prever onde os incêndios começarão

    O novo modelo gera relatórios de hora em hora de áreas onde é provável que ocorram incêndios florestais, usando dados como cobertura do solo, umidade do solo, precipitação e temperatura. Variáveis ​​como cobertura da terra permanecem bastante estáticas ao longo do tempo, mas fatores como chuva e temperatura mudam de um dia para o outro. Os pesquisadores estão usando o modelo para enviar informações atualizadas aos corpos de bombeiros da região. Quando os dados atualizados são publicados, ele é inserido no modelo, mantendo-o preciso e preditivo ao longo do tempo.

    "Temos grupos trabalhando em cada variável para mapeá-los em todo o vale, "disse Sebastián Ospina, um graduando do projeto que apresentou os resultados no Fall Meeting. Ospina trabalha para SIATA, uma equipe de profissionais regionais que ajudaram a popular o modelo.

    Os resultados mostram que as regiões ao redor de cidades maiores são frequentemente listadas como tendo "alta" probabilidade de incêndios florestais durante a estação seca. No Vale do Aburrá, os incêndios costumam ser o resultado do desmatamento intencional à medida que os centros urbanos invadem áreas selvagens próximas. A cada estação seca, Velásquez disse, eles veem incêndios surgindo ao longo dos limites das cidades.

    Além disso, a umidade e a chuva, em particular, foram consideradas fortes influenciadores do risco de incêndio. As áreas que recebem mais chuvas ou mais dias consecutivos de chuva são menos propensas a incêndios.

    Cientistas cidadãos ajudam

    A equipe desenvolveu monitores de qualidade do ar pequenos e baratos que foram distribuídos para 250 cientistas cidadãos em todo o vale. Crédito:Daniela García (SIATA)

    Esse modelo começou a ser usado em 2017 e tem se mostrado útil no direcionamento de recursos para as áreas de maior preocupação. Agora, a equipe está procurando maneiras de usar suas descobertas para obter benefícios sociais tangíveis. Os incêndios são um prejuízo óbvio para o meio ambiente, mas também afetam a saúde dos residentes.

    "O modelo era apenas uma parte, "Velásquez disse." Após o desenvolvimento [do modelo], queríamos olhar para a imagem completa para monitorar incêndios em tempo real e rastrear a qualidade do ar. "

    O SIATA ajudou no desenvolvimento de um pequeno, monitorar a qualidade do ar de baixo custo e distribuí-lo para 250 cientistas cidadãos. Montado em edifícios e pedalado por cidades em bicicletas, as leituras fornecem uma dinâmica, avaliação em tempo real da qualidade do ar em toda a região.

    Durante um incêndio recente em 2017, os pesquisadores usaram os dados da censura para documentar um pico de material particulado fino o suficiente para causar danos aos pulmões. Os mesmos sensores rastrearam a direção do vento, mostrando onde as partículas tinham maior probabilidade de se acumular nos centros urbanos.

    Além disso, eles agora estão implantando uma série de câmeras nas áreas de maior risco para monitorar novos incêndios. Usando drones, eles podem fornecer informações sobre as condições da chama e da coluna de fumaça e mapear as áreas para avaliar as mudanças na cobertura do solo antes e depois de um incêndio.

    Enquanto incêndios florestais sem precedentes atingem o vizinho Brasil, pesquisadores dizem que mais atenção está sendo dada ao monitoramento de longo prazo. Este modelo, embora apenas dois anos de idade, fornecerá um conhecimento básico valioso avançando em um futuro incerto de acordo com as previsões das mudanças climáticas.


    © Ciência https://pt.scienceaq.com