Un patrón cíclico de incendios forestales como resultado de un sistema natural humano acoplado

Scientific Reports volumen 12, Número de artículo: 5280 (2022) Citar este artículo

1679 Accesos

2 citas

7 Altmetric

Detalles de métricas

Durante las últimas décadas, los incendios forestales han impuesto un costo considerable a los recursos naturales y vidas humanas. En muchas regiones, las tendencias anuales de incendios forestales muestran patrones oscilatorios desconcertantes con amplitudes crecientes para las áreas quemadas a lo largo del tiempo. Este documento tiene como objetivo examinar las causas potenciales de tales patrones mediante el desarrollo y examen de un modelo de simulación dinámica que representa dinámicas sociales y naturales interconectadas en un sistema acoplado. Desarrollamos un modelo dinámico genérico y, con base en los resultados de la simulación, postulamos que la interconexión entre los subsistemas humanos y naturales es una fuente de los patrones cíclicos observados en los incendios forestales en los que la percepción del riesgo regula las actividades que pueden provocar más incendios y el desarrollo de propiedades vulnerables. Nuestro análisis de políticas basado en simulación apunta a una característica no lineal del sistema, que surge debido a las interconexiones entre el lado humano y el lado natural del sistema. Esto tiene una importante implicación política: a diferencia de los estudios que buscan la política más eficaz para contener los incendios forestales, mostramos que una solución a largo plazo no es una sola acción, sino una combinación de múltiples acciones que apuntan simultáneamente tanto al lado humano como al natural. del sistema.

Los incendios forestales están poniendo en peligro la vida humana, los recursos naturales, la conservación de los bosques y la vida silvestre1,2,3,4. Según el Centro Nacional Interagencial de Bomberos, en 2020, más de 52 000 incidentes de incendios forestales en los Estados Unidos quemaron alrededor de 3,64 millones de hectáreas5. Solo en California, se estimó que alrededor de 30 personas murieron debido a incendios forestales durante los primeros 9 meses de 20206. Además, el trágico incidente de Camp Fire de 2018 en Paradise, California, posiblemente el incendio forestal más destructivo y más mortífero en la historia de California, resultó en al menos 85 muertes de civiles e incendió más de 60.702 hectáreas, destruyendo más de 18.000 estructuras7. Además, el problema no se limita a los Estados Unidos: los incendios forestales son un desafío global que afecta a diferentes regiones del mundo, con eventos catastróficos recientes en países como Australia, Brasil, Grecia, Argelia, Francia, Turquía e Indonesia. Dadas las tendencias, el problema de los incendios forestales y sus crecientes consecuencias catastróficas son de gran relevancia política.

Comprender y predecir la ocurrencia de incendios forestales es vital para tomar las medidas políticas adecuadas para mitigar los riesgos y minimizar las consecuencias asociadas8,9,10,11. Un examen de las tendencias históricas de los incendios forestales revela patrones cíclicos desconcertantes en la incidencia de incendios, con una amplitud cada vez mayor de las consecuencias del fuego en muchas áreas del mundo, incluidos los EE. UU. Como muestra la figura 1, en los EE. UU. hemos experimentado una tendencia general creciente de la tasa de quema debido a incendios forestales, con fluctuaciones periódicas. Curiosamente, aunque el patrón general del número de incendios no sigue la tendencia de la tasa de quema, muestra oscilaciones periódicas. Encontrar los impulsores de tales patrones es un área de preocupación para los científicos naturales, los investigadores de políticas y los formuladores de políticas.

Incendios forestales en los EE. UU. 1983–2018 (datos de www.nifc.gov).

Los incendios forestales comienzan con la ignición inicial del fuego, que puede ser causado por la naturaleza a través de rayos o por un comportamiento humano imprudente. La ocurrencia de incendios naturales por rayos depende de las condiciones climáticas y muestra un patrón estacional12. La ignición causada por el hombre, por otro lado, también puede causar incendios a gran escala. De hecho, en los EE. UU., los incendios forestales provocados por humanos representan aproximadamente el 84 % de los incendios forestales en todo el país13. Además, factores como fogatas abandonadas, incendios provocados y fuegos artificiales pueden provocar incendios provocados por humanos14,15. Los seres humanos también contribuyen indirectamente a los incendios forestales a través de actividades que empeoran el cambio climático16. La liberación de gases de efecto invernadero a la atmósfera, incluidos el dióxido de carbono y el metano, contribuye al aumento de las temperaturas17. Un clima más cálido conduce a una vegetación más seca en los bosques y aumenta el riesgo de incendios forestales masivos18. Además, la deforestación para el desarrollo de la tierra reduce la capacidad del bosque para absorber gases de efecto invernadero, lo que en última instancia provoca un mayor aumento de la temperatura19,20.

A pesar de la importancia de las contribuciones humanas y naturales directas a los incendios forestales, el enfoque de la mayoría de los estudios de modelado anteriores se ha centrado únicamente en una de estas dos categorías de causalidad. Touboul y sus colegas desarrollaron modelos de simulación de interacciones dinámicas entre diferentes tipos de vegetación, como pastos y árboles forestales. Demostraron que para una amplia gama de escenarios, la composición de la vegetación puede oscilar con el tiempo21. Dichos modelos que se centran en la dinámica de los sistemas naturales pueden explicar los patrones oscilatorios a largo plazo que surgen de los retrasos en la recuperación forestal después de un incendio forestal. Sobre las contribuciones humanas, varios modelos estadísticos han señalado una correlación entre los asentamientos humanos en la interfaz urbano-forestal (IUF) y la actividad de incendios22,23,24. En estos modelos, la percepción del riesgo humano es a menudo un factor exógeno que afecta el fuego. Entendemos que tanto el lado natural como el humano del problema son importantes. De hecho, se ha argumentado durante mucho tiempo que tener en cuenta las conexiones dinámicas entre los sistemas sociales y ecológicos es esencial para desarrollar políticas ambientales sostenibles25. Por lo tanto, planteamos la hipótesis de que la interacción entre los sistemas naturales y humanos contribuye a la dinámica de los incendios forestales, aumentando su complejidad y los desafíos de mitigación. Para desarrollar políticas adecuadas, se debe prestar atención a ambos lados del sistema más amplio y las interacciones entre los dos. Nuestro principal objetivo en este artículo es explorar las posibles causas de tales patrones mediante el desarrollo y examen de un modelo de simulación dinámica rica en retroalimentación que represente tanto la dinámica social como la natural en un sistema acoplado.

La Figura 2 presenta nuestro marco de estudio, que está en línea con un cuerpo de literatura ecológica que examina una familia de fenómenos denominados sistemas humanos-naturales acoplados (Esta área ha sido un área importante de investigación en la Fundación Nacional de Ciencias de EE. UU.). El marco incluye dinámicas específicas de la vegetación (sistemas naturales) y sistemas humanos (dinámicas de comportamiento). En interacción, las dos piezas están conectadas a través del sector humano que recibe información sobre casos de incendios recientes e influye en la percepción del riesgo humano, ya que la información percibida influye en el riesgo de incendio26. Los seres humanos contribuyen al fuego a través de la ignición provocada por el hombre o el desarrollo de propiedades vulnerables en función de su percepción del riesgo.

(adaptado de https://www.nsf.gov/pubs/2018/nsf18503/nsf18503.htm y ajustado para el caso de incendios forestales).

Nuestro marco de estudio de los incendios forestales como resultado de un sistema humano-natural acoplado

Si bien nuestro enfoque está en el problema específico de los incendios forestales, es importante hacer una pausa y ofrecer una revisión rápida de varios enfoques de modelado de desastres naturales similares, principalmente desde un punto de vista metodológico. Existe una amplia gama de enfoques de modelado aplicados a los estudios de desastres naturales en general y de incendios forestales en particular. Dicho modelado se puede diferenciar en función de su unidad de análisis, marcos de tiempo, técnicas de modelado matemático, límites y casos de aplicación específicos.

Una gran cantidad de modelos de desastres naturales se ha dedicado a la modelización espacial27,28,29. En un modelo de incendio forestal espacial típico, el objetivo es replicar la progresión del incendio en diferentes regiones. Dichos modelos son poderosos para mostrar cómo, en qué secuencia y el momento en que diferentes áreas pueden volverse susceptibles al fuego. Los modelos espaciales también pueden adoptar diferentes formas según las unidades geográficas de análisis (p. ej., estado, condado). Las redes de conexión entre diferentes unidades pueden afectar el progreso del fuego, y dichos modelos se vuelven más útiles a medida que avanzan hacia el modelado de estructuras de red.

El segundo grupo de modelos de desastres naturales incluye modelos a nivel individual basados en agentes. Los modelos de evacuación a menudo toman tales niveles de análisis y exploran los flujos de personas después de un desastre30,31. En el contexto de incendios forestales, con un enfoque en la progresión del fuego, los modelos basados en agentes pueden considerar las unidades de vegetación como agentes. Dichos modelos conducirían a un modelo espacial de elementos que interactúan que representan la propagación endógena del fuego de una unidad de vegetación a otra. Rahmandad y Sterman32 enfatizaron que, en muchos contextos, los modelos detallados basados en agentes pueden no ir más allá de lo que uno podría aprender de un modelo de ecuación diferencial agregado, especialmente cuando las heterogeneidades entre los agentes son limitadas y las redes de conexión son simétricas y casi completas.

Por otro lado, existen modelos agregados de desastres naturales en los que la vegetación a menudo se modela con algunas variables importantes pero sin detalles regionales33,34. Como modelos compartimentales, a menudo incluyen ecuaciones diferenciales y formulan los flujos de vegetación y la edad de los árboles en un marco dinámico35. Dentro de los modelos agregados, la medida en que las variables se tratan como variables endógenas (es decir, responden a cambios en las variables de estado) es un factor importante para la diferenciación. Simon Levin y sus colegas21,36,37 ofrecieron diferentes variaciones de modelos de vegetación agregados de ecuaciones diferenciales. Un resultado interesante de tales modelos desde el punto de vista de los sistemas complejos es la descripción de la bifurcación de que los resultados del modelo cambian sustancialmente de un estado estacionario a un comportamiento en forma de s o de búsqueda de objetivos o incluso oscilaciones a largo plazo para diferentes rangos de valores paramétricos.

Dentro de la comunidad de dinámica de sistemas, también existe una rica literatura sobre el modelado de problemas ambientales25,38,39. Deegan40 ha realizado un trabajo metodológicamente relevante en un entorno de desastre natural ligeramente diferente. Modeló la dinámica de daños por inundaciones en una comunidad propensa a inundaciones típica, considerando las reacciones comunitarias a largo plazo a las inundaciones recientes y los daños relacionados. Deegan se centró en casos de inundaciones hipotéticas, con la intención de mostrar cómo eventos externos aparentemente similares (aquí, lluvia intensa) pueden causar diferentes niveles de daños según las reacciones de la comunidad y la inversión en propiedades vulnerables. Lo que diferencia su trabajo de otros es que el modelo de Deegan es rico en retroalimentación y los resultados dinámicos se crean dentro del modelo en lugar de una serie de tiempo externa41. En algunos aspectos, nuestro enfoque para modelar incendios forestales resuena con el trabajo de mitigación de inundaciones de Deegan al considerar la vulnerabilidad como una propiedad endógena del sistema afectado por la percepción del riesgo humano.

Lo que hace que estos modelos agregados sean poderosos es que son relativamente pequeños (tienen menos ecuaciones) y cuando se eliminan los detalles, se enfocan en las respuestas del sistema y los ciclos de retroalimentación sin perder muchos conocimientos a nivel de sistemas32. Los modeladores también pueden comunicar mejor los conocimientos de los modelos pequeños con las partes interesadas42. Es importante tener en cuenta que los modelos pequeños y potentes no son fáciles de construir y, a menudo, son el resultado de muchas rondas de modelado complejo y detallado43, como también ha sido el caso en nuestro estudio. Dado el alcance de nuestro problema, seguimos el mismo enfoque de modelado.

Diferentes modelos usan diferentes términos para representar las heterogeneidades de la vegetación en un área forestal. A efectos de parsimonia, nuestro modelo representa toda el área forestal mediante dos variables de existencias simples de áreas ocupadas por vegetación fuerte (S) y ocupadas por vegetación inflamable (F), todas las cuales se muestran como variables de existencias en la Fig. 3 (variables en cajas). La vegetación fuerte a menudo es resistente al fuego, y solo los incendios a gran escala pueden quemarlos. La vegetación altamente inflamable incluye cualquier vegetación dañada o que pueda quemarse rápidamente (incluido el pasto). Este tipo de vegetación puede quemarse rápidamente, y los rayos o la ignición humana a menudo afectan primero a la vegetación inflamable. La quema puede hacer que el fuego se propague a la vegetación fuerte. Si bien nuestra figura es una representación simple de las áreas forestales, la lógica es consistente con los estudios que han ofrecido más detalles sobre los tipos de vegetación.

Un diagrama de flujo de existencias de la vegetación. Nota: Las variables de calcetín representan el estado del sistema y se muestran en recuadros (vegetación fuerte, vegetación inflamable y área vacía), y los flujos, que representan el cambio en las variables de estado, se representan mediante signos de válvula. Las influencias causales se muestran con enlaces azules, donde un signo más en X → + Y indica que X e Y se mueven en la misma dirección (\({\text{X}} \to + {\text{Y}} \Leftrightarrow { {\parcial {\text{Y}}} \mathord{\left/ {\vphantom {{\parcial {\text{Y}}} {\parcial {\text{X}}}}} \right. \kern -\nulldelimiterspace} {\parcial {\text{X}}}} > 0\)). Un signo menos en una flecha causal indica que las variables se mueven en la dirección opuesta (\({\text{X}} \to - {\text{Y}} \Leftrightarrow {{\parcial {\text{Y}}} \mathord{\left/ {\vphantom {{\parcial {\text{Y}}} {\parcial {\text{X}}}}} \right.\kern-\nulldelimiterspace} {\parcial {\text{ X}}}} < 0\)). Para obtener información detallada sobre los diagramas de bucle causal, consulte Sterman44.

En este modelo, los bucles B1 y B2 representan el deterioro de la vegetación fuerte e inflamable a través del fuego. Como se indicó, el fuego puede aumentar la vulnerabilidad de la vegetación fuerte al quemar el área circundante y hacerla más susceptible al fuego. Este mecanismo se muestra mediante los bucles R1 (la quema de vegetación inflamable aumenta aún más la vegetación inflamable) y B3 (la quema de vegetación fuerte hace que otra vegetación fuerte sea vulnerable al fuego). En este estudio asumimos que ambas áreas ocupadas por vegetación fuerte e inflamable son homogéneas. Al tomar esta suposición simplista, creemos que el comportamiento del modelo es independiente de los detalles espaciales de las vegetaciones. Este supuesto, que se denomina universalidad, ha sido considerado previamente en diferentes estudios de modelización compartimental37.

Basamos nuestro modelo para la unidad de área forestal, lo que lleva al hecho de que el área vacía (E) del bosque se puede determinar mediante la siguiente ecuación:

Entonces podemos representar la relación entre las variables de existencias mediante las siguientes ecuaciones diferenciales.

donde \(\gamma_{S}\) y \(\gamma_{F}\) son la tasa de combustión fraccionaria de vegetación fuerte e inflamable, respectivamente; \(\alpha\) es la tasa de conversión de vegetación fuerte en inflamable; \(\tau_{1}\) es el tiempo promedio para que la vegetación inflamable se vuelva fuerte; y \(\tau_{2}\) es el tiempo promedio para que el espacio vacío crezca vegetación inflamable, donde a menudo \(\tau_{2} < < \tau_{1}\). Por lo tanto, la tasa de quema total de ambos tipos de vegetación (B) es

En esta ecuación, \(\gamma_{F}\), la velocidad a la que se quema la vegetación inflamable, es una función del total de igniciones humanas y naturales. Sin embargo, \(\gamma_{S}\), la tasa de combustión fraccional de la vegetación fuerte depende de la tasa de combustión de la vegetación inflamable y ocurre cuando el fuego se propaga en el bosque, es decir, \(\gamma_{S} = f\left( {\gamma_{F} F} \derecha)\). Formulamos f usando una función sigmoidea (Tabla 1). Además, \(\alpha\), la tasa de inflamabilidad de la vegetación fuerte como resultado del fuego es \(\alpha = \sigma B\) donde \(\sigma\) es el efecto de quema sobre la vulnerabilidad.

Generalmente, la actitud del público hacia la toma de decisiones arriesgadas está influenciada por su nivel de percepción del riesgo. En el caso de los incendios forestales, existe una amplia gama de pruebas de que la atención de la gente al problema y posiblemente la percepción del riesgo asociado ha cambiado con el tiempo. La figura 4 muestra la frecuencia de búsquedas en Google de la palabra "incendio forestal" en los EE. UU. Las tendencias son oscilatorias y existe una correlación de 0,4 entre la búsqueda y el área quemada entre 2004 y 2018.

Tendencia de búsqueda en Google de "incendios forestales" en EE. UU. y su correlación con el área quemada anual.

Existe un cuerpo de investigación centrado en cómo la percepción del riesgo de incendios forestales se asocia con las acciones de mitigación45,46,47,48. Un estudio de un área propensa a incendios en Colorado reveló que un solo incendio forestal extremo no tiene un impacto significativo en la percepción del riesgo47. Además, la evidencia sobre la percepción del riesgo de incendio de las personas muestra que cualquier cambio en la percepción del riesgo de incendio no dura más de un par de años48. Construimos el efecto de la percepción del riesgo sobre las acciones humanas con base en la investigación mencionada con dos características importantes. Primero, la actividad general de incendios forestales en los últimos años da forma a la percepción del riesgo de incendio de las personas; en segundo lugar, el efecto de los incendios forestales en la percepción de las personas se desvanece con el paso del tiempo.

Incluimos dos mecanismos principales para representar los efectos del cambio en la percepción del riesgo, como se muestra en la Fig. 5. El ciclo B4, complacencia, representa la contribución humana al fuego a través de comportamientos imprudentes, que pueden causar la ignición del fuego. El bucle B5, propiedades vulnerables, representa la construcción de propiedades en áreas forestales. Tales propiedades aumentan la interacción humana con el medio ambiente natural y la probabilidad de ignición provocada por el hombre. También consideramos el hecho de que tales propiedades podrían ser objetivos de fuego en sí mismas, bucle B6.

El subsistema humano conectado al subsistema natural (gris).

En este modelo de percepción del riesgo, \(\overline{B}\) se formula como una variable rezagada en años de \(\delta_{1}\) de la tasa de consumo (\(B\)), asumiendo que no hay un sesgo sistemático en percepción del riesgo. La ignición total de I incluye la ignición provocada por el hombre (\(I_{H}\)) y la ignición natural debida a un rayo (\(I_{N}\)), siendo esta última asumida como constante en nuestro modelo. Varios estudios en diferentes regiones del mundo (España, Canadá y Estados Unidos) sugieren aumentos de ignición por causa humana en los asentamientos humanos en la zona49,50,51. También consideramos que el número de incendios humanos está inversamente relacionado con su percepción de riesgo. Suponiendo que los asentamientos humanos están representados por propiedades vulnerables, V, formulamos \(I_{H}\) como \(I_{H} \left( {V,\overline{B}} \right)\) donde \(\frac {{\parcial I_{H} }}{\parcial V} > 0\) y \(\frac{{\parcial I_{H} }}{{\parcial \overline{B}}} < 0\). Para propósitos de parsimonia, formulamos el efecto de \(\overline{B}\) en \(I_{H}\) usando una función lineal (ver el Apéndice).

Aunque Martín et al. 43 discutieron cómo las diferentes partes interesadas (incluidas las compañías de seguros y las agencias federales) podrían aumentar la sensibilidad de los humanos a la percepción del riesgo, no proporcionaron ninguna estimación cuantitativa de este valor.

Finalmente, las propiedades vulnerables, V, que pueden cambiar con el tiempo, se formulan como

El término, \(\theta E_{bt}\) representa el desarrollo inmobiliario y se supone que es proporcional a las propiedades actuales y se ve afectado negativamente por la percepción del riesgo. La relación inversa entre el riesgo percibido y la expansión de propiedades vulnerables es un indicador de condiciones externas como la zonificación, ya que las decisiones de políticas de construcción son demasiado complejas para ser modeladas directamente, ya que son muy específicas del contexto e involucran decisiones políticas52. Mientras que algunos estudios sugieren que no existe una relación entre la ocurrencia de desastres naturales y los programas de desarrollo comunitario, otros consideran que la intensidad económica (como la póliza de seguro) causa una reducción en el ritmo de desarrollo a medida que aumentan los desastres53,54. Aquí reconocemos que no existe un acuerdo general sobre el efecto de los desastres naturales y los programas de desarrollo y construimos el modelo para las áreas donde se demuestra que existe tal relación. El término \(\rho V\) representa la demolición de propiedades. La demolición en nuestro modelo se debe principalmente al fuego, es decir, \(\rho = \rho \left( B \right)\).

El modelo presentado es genérico y se puede simular para una amplia gama de valores de parámetros. La Tabla 1 informa los valores de los parámetros utilizados para las simulaciones de ejecución base. Algunos de los valores son consistentes con la literatura, mientras que otros se seleccionan para examinar la variación de las condiciones en diferentes entornos forestales. Para asegurarnos de que el resultado del modelo sea sólido, realizamos un análisis de sensibilidad para una amplia gama de variables. El resultado de la sensibilidad sugiere que el resultado del modelo es consistente con la ejecución base (consulte el Apéndice 2).

Nuestros experimentos de simulación incluyen una simulación de ejecución base y una variedad de pruebas de políticas y escenarios, como se enumeran en la Tabla 2. La tabla también proporciona detalles sobre cómo se implementa cada prueba en nuestro análisis. Específicamente, analizamos el vínculo entre la dinámica natural y la percepción humana y sus consecuencias en el desarrollo del fuego al cambiar la sensibilidad de la percepción del riesgo a la tasa de combustión (Prueba T2). Luego examinamos los efectos de cuatro políticas diferentes: limitar el desarrollo de propiedades vulnerables (P1), quema prescrita y controlada de vegetación inflamable (P2), lucha eficaz contra incendios que limita la penetración del fuego de la vegetación inflamable a la vegetación fuerte (P3), y claro corte (P4) que elimina parte de los árboles de vegetación fuerte y la cambia al área vacía55.

La figura 6 muestra los resultados de la simulación de ejecución base. En este escenario, la vegetación fuerte disminuye con el tiempo, mientras que el área vacía y la vegetación inflamable tienen tendencias crecientes. Como tal, habría más combustible disponible para la quema y el incendio forestal puede quemar áreas más amplias. El panel (a) muestra una tendencia oscilatoria para la tasa de combustión con una tendencia ascendente promedio (para asegurarse de que el comportamiento oscilatorio del modelo no se desvanezca, el Apéndice 4 muestra el resultado de la simulación para 100 años). El patrón observado en la tasa de combustión se remonta a los patrones de ignición humana (Panel b) y la tendencia creciente de las propiedades vulnerables (Panel c). Además, los resultados muestran la tendencia decreciente a largo plazo de la vegetación fuerte en nuestra simulación de línea de base (Panel d); con el tiempo, la vegetación más fuerte es reemplazada por vegetación inflamable que puede provocar más incendios. Este cambio en la composición de la vegetación aumenta efectivamente la tasa de quema promedio. Con el tiempo, con más vegetación inflamable y con la expansión de propiedades vulnerables, aumenta la probabilidad de ignición provocada por el hombre.

Simulación de ejecución base para una ejecución de 20 años del modelo.

La Figura 7 muestra cómo la relación entre el riesgo de incendio percibido y la tasa de combustión influye en el sistema. La línea negra es la simulación de ejecución base para la comparación. La línea discontinua azul representa la condición en la que la percepción del riesgo cambia muy lentamente y el sistema humano está casi desconectado del sistema natural. En esta situación, si los humanos subestiman el potencial de incendio, el sistema quema la naturaleza, lo que resulta en un resultado ambiental catastrófico como se muestra en el panel (a). El panel (a) muestra que la tasa de quema se excede en el corto plazo, pero disminuye relativamente debido a que quedan menos recursos naturales para quemar.

Análisis del efecto de acoplamiento durante 20 años. La unidad de ignición humana es ignición/año, y la unidad de propiedad vulnerable es un millón de hectáreas. La vegetación fuerte y la vegetación inflamable se proporcionan como la proporción que cada uno ocupó el área forestal.

El panel (b) muestra la tasa de quema total a lo largo del tiempo de estudio para arrojar más información sobre la sensibilidad de la tasa de quema al riesgo percibido. La tasa de quema general no cambia significativamente cuando la percepción del riesgo cambia de 0,5 a 2, lo que indica que la diferencia entre las tasas de quema en el panel (a) tiene más que ver con el tiempo de fluctuación, pero no con el tamaño. Sin embargo, un aumento adicional en la sensación de riesgo aumenta en gran medida la tasa de consumo general, como se ve en el panel (a).

En el caso de un cambio prolongado en la percepción del riesgo, la ignición humana continúa aumentando (panel c) a medida que el riesgo percibido cambia lentamente. Además, las propiedades vulnerables se están construyendo más rápido que su demolición (panel d). Un retraso menor en la percepción conduce a una frecuencia de oscilación más alta, como se muestra en los gráficos con líneas discontinuas rojas, y un retraso más prolongado en una oscilación de frecuencia más baja, como se muestra en los gráficos morados. En general, los resultados no son muy diferentes de la ejecución base. Estamos perdiendo bosques (panel e) y tenemos tasas de quema periódicas de magnitud creciente con el tiempo.

Aquí examinamos el impacto de implementar cuatro políticas propuestas presentadas en la Tabla 2. Para evitar que la condición inicial y los períodos de transición afecten nuestra comparación de políticas propuestas, imponemos cada política en el quinto año y comparamos las tasas totales de consumo entre 10 y 20 años. La Figura 8 muestra el efecto de estas políticas en diferentes variables.

Implementación de políticas. Nota: P1: limita el desarrollo inmobiliario vulnerable; P2: quema prescrita; P3: lucha contra incendios eficaz; y P4: Corte limpio. La unidad de ignición humana es ignición/año, y la unidad de propiedad vulnerable es un millón de hectáreas. La vegetación fuerte y la vegetación inflamable se proporcionan como la proporción que cada uno ocupó el área forestal.

Los paneles (a) y (b) muestran la tasa de quemado a lo largo del tiempo y acumulada, respectivamente. Las cuatro políticas reducen la magnitud de la tasa de consumo en comparación con la ejecución base. P3 es más eficaz en la reducción temprana de la tasa de consumo en comparación con otras políticas, pero en última instancia dan como resultado un comportamiento similar. Vale la pena notar que P1 tiene el mayor efecto en la reducción de la fluctuación a largo plazo, aunque su efecto total en el lapso de tiempo es menor que P3. Parece que la extinción de incendios es más efectiva a corto plazo, pero no logra amortiguar la fluctuación y, en cambio, limita su crecimiento. Esto se debe en parte al aumento de la ignición humana y los asentamientos debido al éxito de la extinción de incendios a corto plazo. Como resultado, las personas perciben menos peligro de incendio y continúan participando en actividades de alto riesgo y expandiendo viviendas en la WUI. El resultado es una mayor fluctuación en la tasa de quemado incluso cuando se implementa P3. Por otro lado, la política de limitación de expansión de WUI puede reducir efectivamente la fluctuación de la tasa de consumo de manera oportuna. La implementación de P4 provoca una reducción de la vegetación fuerte, lo que conduce a un aumento de la vegetación inflamable. Como la vegetación inflamable es el principal combustible de los incendios forestales, esta política provoca un aumento en la disponibilidad de combustible y un aumento en la tasa de combustión.

El cambio en la ignición humana se proporciona en el panel (c). Se pueden observar diferentes niveles de ignición provocada por el hombre, y la razón es que las personas ajustan su comportamiento de alto riesgo con la tasa de combustión, y no con la cantidad de incendios. En la política de extinción de incendios, en cuanto a un nivel dado de ignición, la tasa de combustión disminuye, observamos más comportamientos de riesgo y más ignición provocada por el hombre. Es interesante notar que, como muestra el panel (c), terminamos con más WUI bajo las políticas 2, 3 y 4. De hecho, la razón es que el combate de incendios, la quema prescrita y la tala solo afectan el sector natural de la modelo, disminuir la tasa de quema, lo que disminuye la percepción del riesgo y, a su vez, da como resultado un mayor desarrollo de WUI. Por otro lado, P1 apunta directamente a las WUI.

El panel (e) muestra el cambio en la vegetación fuerte, que muestra que P4 causa la mayor reducción en la cubierta de árboles del bosque ya que elimina directamente la vegetación fuerte. P2 también provoca una disminución de la vegetación fuerte en comparación con la ejecución base. La razón es que la quema de vegetación inflamable daña los árboles jóvenes y evita que se conviertan en vegetación sólida. Por otro lado, P3 tiene el menor efecto sobre la vegetación fuerte al retardar el daño a los árboles jóvenes y confinar el fuego. El panel (f) muestra la dinámica de la vegetación inflamable después de imponer cada política. P3 y P2 reducen la vegetación inflamable más que P1. Sin embargo, existe una diferencia importante en cómo estas políticas provocan la reducción de la vegetación inflamable. Al comparar los paneles (a) y (b), vemos que mientras que P3 provoca más aumentos en la vegetación fuerte, P2 provoca un aumento en el área vacía. P4 es la única política que aumenta la vegetación inflamable al eliminar la vegetación fuerte y proporcionar un área vacía para llenarla con vegetación joven.

En general, parece que cada política tiene algún efecto marginal en la contención de incendios forestales, aunque la magnitud del efecto no es considerable.

Para la validación del modelo, investigamos su capacidad para adaptarse a un solo caso, los incendios forestales de los Estados Unidos de 1996 a 2015. Utilizamos la base de datos de incendios forestales del Departamento de Agricultura de los Estados Unidos para los Estados Unidos contiguos (Short, 2017). Los resultados se muestran en la Fig. 9. En esta figura, la simulación de la tasa de combustión y la ignición humana (líneas continuas, en negro) sigue de cerca los datos del mundo real (líneas punteadas, en rojo), y el modelo replica fielmente las tendencias históricas. .

Tasa de quema e ignición humana por unidad de superficie forestal. La línea negra representa el resultado del modelo y la línea punteada roja representa la actividad histórica de incendios forestales en los Estados Unidos contiguos.

Para comprender mejor los impactos de nuestras políticas, ejecutamos diferentes pares de políticas simultáneamente. Los resultados ilustran los impactos incrementales no lineales entre políticas. En pocas palabras, parece que el impacto de varias políticas se hace cumplir cuando se combinan de forma sinérgica. En otras palabras, la aplicación de varias políticas podría tener un impacto general mayor que la suma de los efectos individuales de las políticas y sugiere que los encargados de formular políticas deben evitar buscar una panacea y adoptar una amplia gama de enfoques de manera reflexiva.

Los resultados de múltiples implementaciones de políticas junto con las únicas se presentan en la Fig. 10. Por ejemplo, P1 y P2 reducen cada uno la tasa de consumo total en un 4,9 % y un 4,5 %, respectivamente. Si bien la suma de estos efectos es del 9,4 %, la implementación simultánea de P1 y P2 conduce a una reducción de la tasa de combustión del 13,6 %: P1 controla la ignición humana y P2 reduce la reserva de vegetación inflamable; en conjunto, la tasa de combustión se ve más afectada que si se implementara por separado. El caso es más interesante cuando P1 y P3 se imponen juntos. El resultado es una reducción del burn-rate del 38 % en comparación con el 13,9 %, que es la suma de implementar únicamente cada política. El efecto sinérgico ocurre porque P3 permite que la vegetación inflamable (principalmente árboles jóvenes) envejezca y se convierta en una vegetación fuerte. Además, el P1 también evita que la ignición humana crezca tan rápido como una sola implementación de P3.

El efecto no lineal de las políticas. Los beneficios de implementar múltiples políticas difieren de la suma del efecto de las políticas. La figura muestra el porcentaje de reducción de la tasa de quemado. Nota: P1: limitar el desarrollo inmobiliario vulnerable; P2: quema prescrita; P3: lucha contra incendios eficaz; y P4: Corte limpio.

Un caso interesante sucede cuando P2 y P3 se implementan juntos. El efecto sinérgico es menor que la suma de la implementación por separado, principalmente porque ambas políticas afectan la dinámica de la vegetación y no el factor humano en el incendio forestal. Tanto P2 como P3 causan una tasa de consumo inicial más baja, pero debido a la reducción en el riesgo percibido de incendio forestal y la expansión de WUI, este efecto desaparece rápidamente. Esta es otra evidencia de la importancia de considerar el problema como un sistema natural y humano interconectado, donde las políticas efectivas deben abordar ambos lados.

Finalmente, surge un resultado interesante cuando todas las políticas se imponen juntas. Sorprendentemente, la imposición de todas las políticas juntas no tiene el mayor impacto en la tasa de consumo total (32,5 %), que es menor que el efecto P1 y P3 (38,0 %). La razón se relaciona principalmente con el hecho de que P2 y P4 provocan un aumento de la vegetación inflamable después de llenar el área vacía, lo que conduce a una mayor tasa de combustión después de un retraso.

Realizamos una serie de análisis de sensibilidad para comprobar la solidez del modelo con respecto a nuestras suposiciones. Específicamente, realizamos un análisis Monte-Carlo y cambiamos varios valores de parámetros para determinar el rango de resultados. Los resultados se informan en el Apéndice 2. En resumen, la atención se centró en los parámetros que pueden tomar valores sustancialmente diferentes de los asumidos en el modelo, incluidos los parámetros utilizados para la formulación de la percepción del riesgo, su efecto en el comportamiento humano, como el tiempo para percibir el riesgo y el tiempo para cambiar el comportamiento, además de la tasa de combustión fraccional por ignición, la quema promedio, la vegetación inflamable inicial, la vegetación fuerte inicial, el multiplicador de ignición humana y la propiedad vulnerable inicial. Como se describe en el Apéndice, para la mayoría de estas variables, cambiamos la variable correspondiente hasta el doble de su valor de ejecución base. Además, probamos diferentes valores para la vegetación fuerte inicial y la vegetación inflamable inicial cambiándolos entre cero y sus valores de ejecución base. Cada prueba de sensibilidad es el resultado de 2000 ejecuciones de simulación utilizando una distribución aleatoria uniformemente distribuida de los parámetros dentro de los intervalos especificados. Los resultados son cualitativamente robustos y su variabilidad está dentro de límites razonables (Ver Figura A1).

Los incendios forestales siguen siendo uno de los principales desafíos globales que afectan a diferentes regiones del mundo en todos los continentes. Si bien los países están implementando diferentes acciones de política para mejorar los resultados catastróficos de los incendios forestales, parece que (a) estamos lejos de abordar este problema a escala mundial, y (b) en general, las tendencias van en la dirección equivocada, lo que apunta a una creciente magnitud de los incendios y áreas quemadas. Este documento es una respuesta a este desafío. Desarrollamos un modelo de dinámica de sistema de propagación de incendios forestales en un escenario hipotético y simulamos los efectos de varios mecanismos importantes para determinar la tasa de combustión, la frecuencia de incendios y la percepción pública del riesgo de incendios forestales. El modelo incluía dos sectores principales del subsistema natural y humano que estaban conectados a través de la contribución humana a la ignición y la percepción humana del riesgo de incendio. Simulamos el modelo para una amplia gama de escenarios que representan diferentes niveles de sensibilidad humana a los incendios en evolución y una variedad de medidas de contención de políticas. Nuestros resultados muestran cómo los humanos y la vegetación determinan la actividad de los incendios forestales, definiendo los incendios forestales como un sistema acoplado humano-natural. Los hallazgos son importantes en sus cambios relativos, no en sus valores absolutos, debido a la suposición hipotética del modelo.

Realizamos varios experimentos de simulación con el modelo. Los resultados muestran una amplia gama de patrones oscilatorios en diferentes escenarios y condiciones de política. La ejecución base representó la posibilidad de un resultado oscilatorio en la ignición causada por humanos y un patrón oscilatorio en la tasa de combustión con una tendencia general creciente. La disminución de la vegetación fuerte y el aumento de las propiedades vulnerables provocan una tendencia creciente en la tasa de combustión, mientras que la dinámica de la percepción humana afecta el patrón oscilatorio.

Nuestro estudio contribuye a la literatura de modelado de desastres naturales y específicamente estudios de incendios forestales. Ofrecemos el primer modelo del sistema humano-natural acoplado de incendios forestales. Nuestro estudio se basa en varios modelos anteriores de dinámica ecológica21, particularmente en la dinámica de incendios forestales37, y los amplía para incluir la interacción humana con los sistemas naturales. El modelo es genérico con el objetivo de proporcionar información sobre las intenciones de la naturaleza humana en relación con el problema de los incendios forestales. Nuestro trabajo es diferente de los modelos espaciales anteriores de incendios forestales. En el modelado espacial de incendios forestales, el efecto humano es espacialmente estático. Aquí mostramos que la misma población podría iniciar un número diferente de incendios y afectar el comportamiento de los incendios forestales. Nuestro enfoque diferente al de estudios anteriores también da como resultado resultados diferentes. Por ejemplo, señalamos las fuentes de resistencia de las políticas para contener los incendios forestales en términos de cómo se perciben los riesgos y cómo se construyen las propiedades adyacentes a los recursos naturales.

Nuestro estudio resuena con algunos de los modelos anteriores de dinámica de sistemas de otros desastres naturales36,37. Adoptamos un enfoque endógeno del concepto de vulnerabilidad del sistema al considerar el elemento humano como parte del sistema que reacciona al problema y contribuye al problema. La importancia del modelado rico en retroalimentación ha demostrado previamente su valor en la gestión ambiental sostenible, incluida la calidad del agua, la gestión de residuos y el suministro de agua25. Aquí proponemos un enfoque similar para el manejo de incendios forestales y nuestro objetivo es comprender los mecanismos importantes que dan forma al comportamiento de los incendios forestales.

El estudio tiene varias implicaciones políticas. Comparamos cuatro políticas: quema prescrita, control de propiedad vulnerable, mejora de la eficacia de extinción de incendios y tala rasa. Demostramos que la eficacia de la extinción de incendios es más efectiva para reducir la tasa de combustión total que otras políticas propuestas. Más importante aún, mostramos que la implementación simultánea de políticas puede conducir a un efecto sinérgico que puede superar la suma del efecto de implementar únicamente las mismas políticas. Por ejemplo, si bien el control del desarrollo de propiedades vulnerables y la extinción eficaz de incendios reducen la tasa de quema en un 4,9 % y un 9 %, respectivamente, la aplicación de ambas políticas da como resultado una reducción de la tasa de quema del 38 %. Tal efecto sinérgico apunta a la ausencia de una bala de plata en el control de los incendios forestales, lo que sugiere que las políticas efectivas deben apuntar tanto a los sectores humanos como naturales del sistema para maximizar su efectividad. En otras palabras, dado que los incendios forestales son el resultado de un sistema acoplado que incluye sectores humanos y de la naturaleza altamente interdependientes, uno no puede resolverlo centrándose únicamente en un sector.

Este estudio tiene varias limitaciones que conducen a futuras vías para futuras exploraciones. Deliberadamente mantuvimos el modelo simple con un enfoque en las interdependencias entre los sectores humano y natural del modelo. Por ejemplo, un examen detallado de la dinámica espacial en este contexto, que requerirá un modelo a mayor escala, será potencialmente esclarecedor y tendrá implicaciones políticas. Con un modelo espacial, el análisis de políticas se puede ampliar para incluir los efectos de una amplia gama de políticas silvícolas (como el raleo), y con modelos de comportamiento más detallados que capturan las heterogeneidades humanas, se pueden ofrecer conocimientos sobre políticas de comportamiento. Una calibración completa del modelo a escala global y la inclusión de la penetración del fuego en diferentes regiones son otras posibles vías de expansión.

Scott, JH, Thompson, MP y Calkin, DE Un marco de evaluación de riesgos de incendios forestales para la gestión de tierras y recursos (2013).

McFarlane, BL, McGee, TK y Faulkner, H. Complejidad de la mitigación del riesgo de incendios forestales de los propietarios de viviendas: una integración de las teorías de peligros. En t. J. Incendio forestal 20, 921–931 (2011).

Artículo Google Académico

Radeloff, VC et al. El rápido crecimiento de la interfaz urbano-forestal de EE. UU. aumenta el riesgo de incendios forestales. proc. nacional Academia ciencia 115, 3314–3319 (2018).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Fowler, M. et al. Un conjunto de datos sobre la percepción humana y la respuesta al humo de los incendios forestales. ciencia Datos 6, 1–10 (2019).

Artículo Google Académico

Filantropía, CFD 2020 Temporada de incendios forestales de América del Norte (2020).

NBC News. Incendios mortales en California se han cobrado al menos 30 vidas este año. [30 de septiembre de 2020]. https://www.nbcnews.com/news/us-news/deadly-fires-california-have-claimed-least-30-lives-year-n1241632 (2020).

Post, W. El incendio forestal más mortífero y destructivo en la historia de California finalmente se ha contenido (2018).

Catry, FX, Rego, FC, Bação, FL & Moreira, F. Modelado y mapeo del riesgo de ignición de incendios forestales en Portugal. En t. J. Incendio forestal 18, 921–931 (2010).

Artículo Google Académico

De Vasconcelos, MP, Silva, S., Tome, M., Alvim, M. & Pereira, JC Predicción espacial de probabilidades de ignición de incendios: Comparación de regresión logística y redes neuronales. Fotograma. Ing. Remote Sens. 67, 73–81 (2001).

Google Académico

Johnson, EA y Miyanishi, K. Incendios forestales. Comportamiento y efectos ecológicos 570 (Elsevier, 2001).

Google Académico

Bonazountas, M., Kallidromitou, D., Kassomenos, P. & Passas, N. Análisis de riesgo de incendios forestales. Tararear. Ecol. Evaluación de riesgos. 11, 617–626 (2005).

Artículo Google Académico

Loeb, LB El mecanismo del relámpago. ciencia Soy. 180, 22–27 (1949).

Artículo CAS PubMed Google Académico

Balch, JK et al. Los incendios forestales provocados por humanos expanden el nicho de incendios en los Estados Unidos. proc. nacional Academia ciencia 114, 2946–2951 (2017).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Prestemon, JP & Butry, DT La economía de las perturbaciones forestales 123–147 (Springer, 2008).

Libro Google Académico

Bartlein, PJ, Hostetler, S., Shafer, S., Holman, J. & Solomon, A. En el 5º Simposio sobre Meteorología Forestal y de Incendios. 16–20.

Abatzoglou, JT & Williams, AP Impacto del cambio climático antropogénico en los incendios forestales en los bosques del oeste de EE. UU. proc. nacional Academia ciencia 113, 11770–11775 (2016).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Fleming, JR Joseph Fourier, el 'efecto invernadero' y la búsqueda de una teoría universal de las temperaturas terrestres. Endeavour 23, 72–75 (1999).

Artículo Google Académico

Westerling, AL, Hidalgo, HG, Cayan, DR y Swetnam, TW El calentamiento y el adelanto de la primavera aumentan la actividad de incendios forestales en el oeste de EE. UU. Ciencia 313, 940–943 (2006).

Artículo ADS CAS PubMed Google Scholar

Fiddaman , T. , Sterman , J. , Jones , AP , Sawin , ER & Siegel , LS C-ROADS: Visión general rápida del clima y simulador de apoyo a la toma de decisiones (2008).

Rooney-Varga, JN et al. La simulación de la acción climática. Simul. Juegos 51, 114–140 (2020).

Artículo Google Académico

Touboul, JD, Staver, AC & Levin, SA Sobre la compleja dinámica de los paisajes de sabana. proc. nacional Academia ciencia 115, E1336–E1345 (2018).

Artículo MathSciNet CAS PubMed PubMed Central MATH Google Scholar

Pew, K. & Larsen, C. Análisis GIS de patrones espaciales y temporales de incendios forestales causados por el hombre en la selva tropical templada de la isla de Vancouver, Canadá. Para. Ecol. Administrar 140, 1–18 (2001).

Artículo Google Académico

Matin, MA et al. Comprender los patrones y el riesgo de incendios forestales en Nepal utilizando sensores remotos, sistemas de información geográfica y datos históricos de incendios. En t. J. Incendio forestal 26, 276–286 (2017).

Artículo Google Académico

Vilar, L., Woolford, DG, Martell, DL & Martín, MP Un modelo para predecir la ocurrencia de incendios forestales causados por humanos en la región de Madrid, España. En t. J. Incendio forestal 19, 325–337 (2010).

Artículo Google Académico

Stave, K. Modelado de dinámicas de sistemas participativos para la gestión ambiental sostenible: Observaciones de cuatro casos. Sostenibilidad 2, 2762–2784 (2010).

Artículo Google Académico

Langarudi, SP, Silva, CG & Fernald, AG ¿Medir más o informar más rápido? Efecto de la percepción de la información sobre la gestión de los bienes comunes. sist. Din. Rev. 37, 72–92 (2021).

Artículo Google Académico

Keane, RE, Drury, SA, Karau, EC, Hessburg, PF y Reynolds, KM Un método para mapear el peligro y el riesgo de incendios en múltiples escalas y su aplicación en el manejo de incendios. Ecol. Modelo. 221, 2–18 (2010).

Artículo Google Académico

Finney, MA y col. Un método para la simulación de incendios forestales por conjuntos. Reinar. Modelo. Evaluar. 16, 153–167 (2011).

Artículo Google Académico

Davis, C. et al. Predicción de huracanes que tocan tierra con el modelo avanzado WRF de huracanes. Lun. Weather Rev. 136, 1990–2005 (2008).

Artículo ANUNCIOS Google Académico

Chen, X. & Zhan, Simulación y modelado basado en agentes de FB 78–96 (Springer, 2014).

Libro Google Académico

Yin, W., Murray-Tuite, P., Ukkusuri, SV y Gladwin, H. Un sistema de modelado basado en agentes para la simulación de la demanda de viajes para la evacuación de huracanes. transporte Res. Parte C Emerg. Tecnología 42, 44–59 (2014).

Artículo CAS Google Académico

Rahmandad, H. & Sterman, J. Heterogeneidad y estructura de red en la dinámica de difusión: Comparación de modelos de ecuaciones diferenciales y basados en agentes. Administrar ciencia 54, 998–1014 (2008).

Artículo Google Académico

Bauch, CT, Sigdel, R., Pharaon, J. y Anand, M. Señales de alerta temprana de cambios de régimen en sistemas humanos y ambientales acoplados. proc. nacional Academia ciencia 113, 14560–14567 (2016).

Artículo CAS PubMed PubMed Central Google Scholar

Innes, C., Anand, M. & Bauch, CT El impacto de las interacciones entre humanos y medio ambiente en la estabilidad de los ecosistemas de mosaico de bosques y pastizales. ciencia Rep. 3, 1–10 (2013).

Artículo Google Académico

Russo, L., Spiliotis, K., Giannino, F., Mazzoleni, S. y Siettos, C. Bautin bifurcaciones en un ecosistema de bosques y pastizales con interacciones entre humanos y medio ambiente. ciencia Rep. 9, 1–8 (2019).

Artículo Google Académico

Staver, AC & Levin, SA Integración de los efectos teóricos del clima y del fuego en los sistemas de sabana y bosque. Soy. Nat. 180, 211–224 (2012).

Artículo PubMed Google Académico

Schertzer, E., Staver, A. & Levin, SA Implicaciones de la dinámica espacial de la propagación del fuego para la biestabilidad de la sabana y el bosque. J. Matemáticas. Biol. 70, 329–341 (2015).

Artículo MathSciNet CAS PubMed MATH Google Scholar

Fiddaman, TS Exploración de opciones de políticas con un modelo de economía climática conductual. sist. Din. Rev. J. Syst. Din. Soc. 18, 243–267 (2002).

Artículo Google Académico

Sterman, J. et al. Clima mundial: una simulación de juego de roles de las negociaciones climáticas. Simul. Juegos 46, 348–382 (2015).

Artículo Google Académico

Deegan, MA Exploración de las políticas de mitigación de inundaciones de EE. UU.: una visión retrospectiva del comportamiento del sistema (Universidad Estatal de Nueva York, 2007).

Google Académico

Richardson, GP Reflexiones sobre los fundamentos de la dinámica de sistemas. sist. Din. Rev. 27(3), 219–243 (2011).

Artículo Google Académico

Ghaffarzadegan, N., Lyneis, J. & Richardson, GP Cómo los modelos de dinámica de sistemas pequeños pueden ayudar al proceso de políticas públicas. sist. Din. Rev. 27, 22–44 (2011).

Artículo Google Académico

Ghaffarzadegan, N. & Larson, RC SD se encuentra con OR: una nueva sinergia para abordar problemas de políticas. sist. Din. Rev. 34, 327–353 (2018).

Artículo PubMed PubMed Central Google Académico

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

Google Académico

McGee, TK, McFarlane, BL & Varghese, J. Un examen de la influencia de la experiencia de peligro en la percepción del riesgo de incendios forestales y la adopción de medidas de mitigación. Soc. Nat. recurso 22, 308–323 (2009).

Artículo Google Académico

Martin, WE, Martin, IM & Kent, B. El papel de las percepciones de riesgo en el proceso de mitigación de riesgos: El caso de incendios forestales en comunidades de alto riesgo. J. Medio Ambiente. Administrar 91, 489–498 (2009).

Artículo Google Académico

Champ, PA & Brenkert-Smith, H. ¿Ver creer? Percepciones del riesgo de incendios forestales a lo largo del tiempo. Análisis de riesgo. 36, 816–830 (2016).

Artículo PubMed Google Académico

McCaffrey, S. Pensando en los incendios forestales como un peligro natural. Soc. Nat. recurso 17, 509–516 (2004).

Artículo Google Académico

Massada, AB, Syphard, AD, Stewart, SI & Radeloff, VC Modelado de distribución de ignición de incendios forestales: un estudio comparativo en el Bosque Nacional Huron-Manistee, Michigan, EE. UU. En t. J. Incendio forestal 22, 174–183 (2012).

Artículo Google Académico

Mancini, LD et al. ¿Los incendios forestales están llamando a la puerta de las urbanizaciones?. Bosques 9, 234 (2018).

Artículo Google Académico

Gralewicz, NJ, Nelson, TA y Wulder, MA Patrones espaciales y temporales de la ignición de incendios forestales en Canadá desde 1980 hasta 2006. Int. J. Incendio forestal 21, 230–242 (2011).

Artículo Google Académico

Meldrum, JR y col. Interacciones entre las percepciones de riesgo de los residentes y la mitigación del riesgo de incendios forestales: evidencia del modelado de ecuaciones simultáneas. Fuego 2, 46 (2019).

Artículo Google Académico

Mochizuki, J., Mechler, R., Hochrainer-Stigler, S., Keating, A. & Williges, K. Revisando el debate sobre 'desastre y desarrollo': hacia una comprensión más amplia del riesgo macroeconómico y la resiliencia. Clima Gestión de riesgos 3, 39–54 (2014).

Artículo PubMed PubMed Central Google Académico

Botzen, WW, Deschenes, O. & Sanders, M. Los impactos económicos de los desastres naturales: una revisión de modelos y estudios empíricos. Rev. Medio Ambiente. economía Política 13, 167–188 (2019).

Artículo Google Académico

Corona, P. et al. Gestión forestal integrada para la prevención de incendios forestales en ambientes mediterráneos. (2015).

Descargar referencias

Los autores agradecen a Shyam Ranganathan, Anne-Lise Velez y Manish Bansal por sus comentarios constructivos sobre los borradores anteriores de este documento. También estamos muy agradecidos a nuestros tres revisores anónimos.

Departamento de Ingeniería Industrial y de Sistemas, Virginia Tech, Blacksburg, EE. UU.

Farshad Farkhondehmaal y Navid Ghaffarzadegan

También puede buscar este autor en PubMed Google Scholar

FF y NG diseñaron el estudio y desarrollaron el modelo. FF realizó el análisis y preparó material manuscrito. NG verificó el análisis y el manuscrito.

Correspondencia a Farshad Farkhondehmaal.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Farkhondehmaal, F., Ghaffarzadegan, N. Un patrón cíclico de incendios forestales como resultado de un sistema natural humano acoplado. Informe científico 12, 5280 (2022). https://doi.org/10.1038/s41598-022-08730-y

Descargar cita

Recibido: 21 julio 2021

Aceptado: 21 de febrero de 2022

Publicado: 28 de marzo de 2022

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

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.