Tutkijat opettivat tekoälymallia vuosina 2002–2019 kerätyllä datalla, joka sisälsi tietoa muun muassa maaperästä, infrastruktuurista, ilmasto-oloista ja kasvillisuudesta ennen vuosittaista maastopalokautta.

Opettamisen jälkeen malli pystyi ennustamaan maastopalojen todennäköisyyden alueen eri osissa 80–95 prosentin tarkkuudella.

Mallin avulla kyettiin myös osoittamaan, että erilaisilla maankäytön muutoksilla maastopalojen riskiä voidaan pienentää jopa 40–76 prosenttia.

Tutkimuksen tulokset julkaisi viime syksynä Communications in Earth and Environment.

Kestävän kehityksen hyödyllinen työkalu

Maastopalojen riski kasvaa muun muassa ilmastonmuutoksen ja maankäytön muutosten seurauksena.

Vaikka Aallon tekoälymalli opetettiin nimenomaan Indonesian suopaloja varten, vastaavia malleja voitaisiin uudella datalla kehittää myös muiden alueiden maastopaloja varten, tutkijat sanovat.

Varoitusjärjestelmänä tekoälymallia ei vielä voida käyttää, koska se ei ole tarkka yksittäisten palojen ennustamisessa.

Sen sijaan malli on hyödyllinen työkalu, kun halutaan osoittaa, millainen vaikutus esimerkiksi maankäytön muutoksilla tai erilaisilla ilmastomuuttujilla on maastopaloriskiin.

Työkalu auttaa näin maankäyttöstrategian kehittämisessä kestävämpään suuntaan. Se voisi myös vakuuttaa päättäjät ja asukkaat siitä, millaiset toimenpiteet olisivat tehokkaita.

Tutkittua tietoa päätöksenteon tueksi

Aallon tutkimushanketta veti professori Matti Kummu. Hän muistuttaa, että kaikki maastopalojen hallintaan tähtäävät strategiat joutuvat tasapainottelemaan riskien, hyötyjen ja kustannusten välillä.

”Me määritimme kunkin strategian laskennallisen vaikutuksen. Emme tarjoa valmiita ratkaisuja vaan tutkittua tietoa päätöksenteon tueksi”, Kummu sanoo.

(Kuvituskuva Pixabay) Tutkimuksessa käytetty tekoälymalli opetettiin Indonesian suopaloja varten, mutta vastaavia malleja voidaan uudella datalla kehittää myös muille alueille.