Les forêts, sont une partie essentielle de l’écosystème, où se trouve la biodiversité de la flore, où habite la faune, en plus de tous les services écosystémiques qu’elle offre. Les désastres environnementaux comme les incendies de forêt, qu’il s’agisse de milieux naturels, de foret pour la filière du bois, de prairie entre autres. Générant des dégâts environnementaux tels que des pertes de la faune et aussi des dommages aux biens privés et publics, des pertes économiques et menaçant la vie humaine.

L’imprévisibilité du climat, l’augmentation des événements extrêmes et la présence de l’homme dans le milieu naturel, font du risque d’incendie un point de surveillance de plus en plus important. Selon le rapport du WWF (2020), les feux de forêt ont augmenté de 13% dans le monde par rapport à 2019, dont 75% ont été causés par l’homme. La France a obtenu en 2022 son record de incendies, avec 66 360 hectares de forêts brûlées, dépassant de 6,8 fois la moyenne annuelle entre les années 2006 et 2021.

Dans ce contexte, comment les outils numériques peuvent-ils être utilisés pour la lutte contre les feux de forêt ?

Prédiction et simulation, sont des stratégies qui fournissent des éléments pour la gestion de ces catastrophes et l’atténuation de leurs conséquences. Ils utilisent des modèles pour évaluer le risque d’incendie d’un lieu et la simulation pour étudier son intensité et sa propagation.

Prometheus est un modèle de simulation d’incendie, développé au Canada, qui aide à la prise de décision pour l’aménagement des zones menacées ainsi que pour évaluer des conséquences des actions prises pour contrôler le feu. Pour la simulation, le modèle utilise des données topographiques (élévation, pente), les types de combustibles (le type et la densité de végétation, sol…), l’historique et les prévisions météorologiques (force et direction du vent, précipitations, température…). Il existe différents modèles, le modèle Cell2Fire , qui peut être utilisé comme une aide stratégique pour le labourage des zones, ainsi qu’un outil de décision pour la récolte des exploitations de la filière du bois ou autre.

Actuellement, plusieurs stratégies de prédiction sont mises en pratique, comme des modèles issus de Machine Learning qui se répandent. Différentes méthodes peuvent être utilisées à cette fin. Pham et al. (2020) ont testé quatre méthodes différentes de Machine Learning pour prédire et cartographier la susceptibilité au feu au Vietnam dans le passé et dans le futur, les méthodes étudié sont : Bayes Network, Naïve Bayes, arbre de décision et régression logistique multivariée. En évaluant les performances entre 0 et 1, toutes les méthodes ont obtenu des résultats supérieurs à 0,9, la valeur la plus élevée étant de 0,96 pour la méthode Bayes Network.

Pour la lutte et le contrôle des incendies, ainsi que pour la sécurité de la population, les systèmes de prévision sont une pièce maîtresse pour la gestion la plus efficace de ces catastrophes. L’utilisation combinée de différents outils et méthodes permet une meilleure compréhension et donc une meilleure efficacité de la lutte contre les incendies de forêt.

Références

Development and structure of Prometheus: the Canadian Wildland Fire Growth Simulation Model. 2010. Tymstra, C.; Bryce, R.W.; Wotton, B.M.; Taylor, S.W.; Armitage, O.B. Natural Resources Canada, Canadian Forest Service, Northern Forestry Centre, Edmonton, Alberta. Information Report NOR-X-417. 102 p.

Fire, forests and the future: A crisis Ranging out of control? 2020. WWF. Disponible sur: https://wwfeu.awsassets.panda.org/downloads/wwf_fires_forests_and_the_future_report.pdf. (consulté le 2 janvier 2023)

IMBACH R., ROMAIN M., BRETEAU P. Incendies : six cartes et graphiques qui dressent un premier bilan d’un été sans précédent’. Le Monde, août 2022. Disponible sur : https://www.lemonde.fr/les-decodeurs/article/2022/08/22/incendies-six-cartes-et-graphiques-qui-montrent-un-premier-bilan-inedit-de-l-ete_6138700_4355770.html (consulté le 2 janvier 2023)

Abedi R.. Application of multi-criteria decision making models to forest fire management, International Journal of Geoheritage and Parks,
Volume 10, 2022, Pages 84-96, https://doi.org/10.1016/j.ijgeop.2022.02.005.

Pais C, Carrasco J, Martell DL, Weintraub A and Woodruff DL (2021) Cell2Fire: A Cell-Based Forest Fire Growth Model to Support Strategic Landscape Management Planning. Front. For. Glob. Change 4:692706. doi: 10.3389/ffgc.2021.692706