Wereldwijde veranderingen in bosbranden: detectie van trends en attributie aan menselijke oorzaken via machine learning

Bosbranden hebben catastrofale gevolgen voor gemeenschappen,
ecosystemen en economieën. Ondanks de groeiende bezorgdheid
over bosbranden in een opwarmend klimaat, is er weinig
wetenschappelijk bewijs voor een oorzakelijk verband tussen de
waargenomen veranderingen in bosbranden en menselijke factoren.
Bovendien worden toekomstprojecties van verbrande oppervlakte
gekenmerkt door grote onzekerheden. Dit project zal detectie- en
attributietechnieken combineren met machine learning om de
menselijke invloed op historische en toekomstige bosbranden bloot
te leggen. Eerst zal ik de historische globale verbrande oppervlakte
reconstrueren door deep learning toe te passen op
satellietwaarnemingen, klimaatreanalyses en socio-economische
gegevens. Vervolgens zal een trend detectie en -attributie methode
worden toegepast op zowel deze reconstructie als nieuwe simulaties
van globale bosbrandmodellen. Ten derde zullen
patroonherkennings- en attributiemethoden worden samengesmolten
om de ruimtelijke patronen van bosbranden te koppelen aan
antropogene klimaatverandering. Tenslotte zal ik machine learning
technieken toepassen op een reeks globale bosbrandsimulaties om
de onzekerheid te verkleinen van verbrande oppervlakte projecties
over de hele wereld. De resultaten van dit onderzoek zullen leiden tot
een dieper wetenschappelijk inzicht in de menselijke invloed op
bosbranden en zullen informatie verschaffen voor strategieën ter
beperking van, en aanpassing aan, de klimaatverandering