ترجمه فارسی مقاله پیش‌بینی آتش‌سوزی‌های جهانی با رعد و برق و پیش‌بینی‌های تغییر آب و هوا بر اساس مدل‌های یادگیری ماشینی قابل توضیح

چکیده

Wildfires pose a significant natural disaster risk to populations and contribute to accelerated climate change. As wildfires are also affected by climate change, extreme wildfires are becoming increasingly frequent. Although they occur less frequently globally than those sparked by human activities, lightning-ignited wildfires play a substantial role in carbon emissions and account for the majority of burned areas in certain regions. While existing computational models, especially those based on machine learning, aim to predict lightning-ignited wildfires, they are typically tailored to specific regions with unique characteristics, limiting their global applicability. In this study, we present machine learning models designed to characterize and predict lightning-ignited wildfires on a global scale. Our approach involves classifying lightning-ignited versus anthropogenic wildfires, and estimating with high accuracy the probability of lightning to ignite a fire based on a wide spectrum of factors such as meteorological conditions and vegetation. Utilizing these models, we analyze seasonal and spatial trends in lightning-ignited wildfires shedding light on the impact of climate change on this phenomenon. We analyze the influence of various features on the models using eXplainable Artificial Intelligence (XAI) frameworks. Our findings highlight significant global differences between anthropogenic and lightning-ignited wildfires. Moreover, we demonstrate that, even over a short time span of less than a decade, climate changes have steadily increased the global risk of lightning-ignited wildfires. This distinction underscores the imperative need for dedicated predictive models and fire weather indices tailored specifically to each type of wildfire.

چکیده به فارسی (ترجمه ماشینی)

آتش سوزی خطر ابتلا به فاجعه طبیعی قابل توجهی را برای جمعیت ایجاد می کند و به تغییرات آب و هوایی تسریع می شود.از آنجا که آتش سوزی نیز تحت تأثیر تغییرات آب و هوا قرار می گیرد ، آتش سوزی شدید به طور فزاینده ای مکرر می شود.اگرچه آنها در سطح جهانی کمتر از آنچه در فعالیت های انسانی ایجاد می شود رخ می دهد ، آتش سوزی های ناجوانمردانه نقش مهمی در انتشار کربن دارند و اکثر مناطق سوخته در مناطق خاص را به خود اختصاص می دهند.در حالی که مدلهای محاسباتی موجود ، به ویژه آنهایی که مبتنی بر یادگیری ماشین هستند ، با هدف پیش بینی آتش سوزی های ناجوانمردانه رعد و برق ، آنها به طور معمول در مناطق خاص با ویژگی های منحصر به فرد متناسب هستند و کاربرد جهانی آنها را محدود می کنند.در این مطالعه ، ما مدل های یادگیری ماشین را ارائه می دهیم که برای توصیف و پیش بینی آتش سوزی با رعد و برق در مقیاس جهانی طراحی و پیش بینی می شود.رویکرد ما شامل طبقه بندی رعد و برق در مقابل آتش سوزی های انسان شناسی و تخمین با دقت بالا احتمال صاعقه برای آتش سوزی بر اساس طیف گسترده ای از عواملی مانند شرایط هواشناسی و پوشش گیاهی است.با استفاده از این مدلها ، ما روندهای فصلی و مکانی را در آتش سوزی های دارای رعد و برق در اثر تأثیر تغییرات آب و هوا بر این پدیده ، تجزیه و تحلیل می کنیم.ما تأثیر ویژگی های مختلف را در مدل ها با استفاده از چارچوب های قابل توضیح هوش مصنوعی (XAI) تجزیه و تحلیل می کنیم.یافته های ما تفاوت های جهانی قابل توجهی بین آتش سوزی های انسان شناسی و رعد و برق را نشان می دهد.علاوه بر این ، ما نشان می دهیم که ، حتی در مدت زمان کوتاهی کمتر از یک دهه ، تغییرات آب و هوا به طور پیوسته خطر جهانی آتش سوزی های ناجوانمردانه را افزایش داده است.این تمایز بر نیاز ضروری به مدلهای پیش بینی اختصاصی و شاخص های آب و هوای آتش متناسب با هر نوع آتش سوزی تأکید می کند.