Introduction : Une crise croissante dans l'air que nous respirons

Les feux de forêt ont augmenté de façon spectaculaire en fréquence, en gravité et en portée géographique au cours des deux dernières décennies, tendance étroitement liée aux pratiques de gestion des terres et aux changements climatiques.Les panaches de fumée générés par ces feux peuvent parcourir des milliers de kilomètres, dégrader la qualité de l'air bien au-delà de la zone de combustion et exposer des millions de personnes à des niveaux dangereux de particules fines (PM2.5), de monoxyde de carbone et d'autres composés toxiques.

Qu'est-ce que la modélisation environnementale dans le contexte de la fumée de feu sauvage?

La modélisation environnementale de la fumée de feu de forêt est le processus de calcul consistant à recréer la séquence réelle des événements, depuis l'inflammation jusqu'au transport de la fumée et la transformation chimique.

  • Modèles d'émission d'incendie: Évaluer la quantité et la composition des polluants rejetés en fonction du type de combustible, de l'intensité du feu et de la superficie brûlée. Par exemple, le modèle d'émission d'incendie du Centre national de recherche atmosphérique (CNAR) utilise la charge de carburant provenant de satellites et la puissance radiative d'incendie pour calculer les émissions horaires.
  • Modèles de transport et de dispersion atmosphériques:[ Simuler comment la fumée se déplace vers le bas, s'élève ou s'enfonce dans l'atmosphère, et se mélange avec l'air environnant.Le modèle HYSPLIT (Hybrid Lagrangian Integrated Trajectory), maintenu par NOAA, est une norme mondiale pour la prévision des trajectoires et des panaches de concentration de fumée.
  • Modèles de transformation chimique :[Compte tenu des réactions dans le panache de fumée – comme la formation d'ozone et d'aérosols organiques secondaires – qui peuvent modifier la toxicité et la durée de vie des polluants.

Ces modèles ne sont pas autonomes; ils ingèrent la météorologie en temps réel (vitesse du vent, température, humidité), les données de surface terrestre (topographie, type de végétation) et les observations par satellite (profondeur optique des aérosols, points chauds du feu) pour produire des extrants qui mettent à jour toutes les quelques heures.

Entrées clés qui conduisent à l'exactitude du modèle

Les données sur le périmètre et l'intensité des incendies provenant de satellites comme le MODIS et le VIIRS fournissent un emplacement en temps quasi réel et des rejets d'énergie. Les prévisions météorologiques du Système de prévision mondiale (SGE) ou du Modèle nord-américain à l'échelle mésométrique (MNA) déterminent les facteurs d'émission.

Prévoir la dégradation de la qualité de l'air : de la Plume au voisinage

L'une des applications les plus pratiques de la modélisation de la fumée de feu de forêt est de prédire la concentration de polluants de critères, en particulier les PM[2,5, qui est suffisamment petite pour pénétrer profondément dans les poumons et entrer dans le sang. Les modèles peuvent prévoir ces concentrations à la fois aux échelles régionales (des centaines de kilomètres) et locales (sous-kilomètre), selon la résolution de la grille.

Polluants de première importance

  • PM2,5 et PM[10: La menace dominante pour la santé.Les particules à feu sauvage2,5 sont souvent plus toxiques que les particules urbaines2,5 parce qu'elles contiennent des fractions plus élevées de carbone organique et de métaux lourds.
  • Monoxyde de carbone (CO):[ Produit de combustion incomplète pouvant atteindre des niveaux dangereux près du feu et dans les zones de stagnation du vent aval.
  • Composés organiques volatils (COV) et oxydes d'azote (NOx):[ Précurseurs de l'ozone troposphérique, qui se forme en présence de lumière solaire et peut dépasser les normes sanitaires à des centaines de kilomètres du feu.
  • Hydrocarbures aromatiques polycycliques (HAP) et autres toxiques : Carcinogènes connus qui sont aérosolisés pendant la combustion.

Les modèles environnementaux prévoient ces polluants de deux façons : deterministic (une seule valeur de la meilleure estimation par cellule de grille) et probabilistic[ (une plage de concentrations avec des probabilités associées).Le système de l'EPA américaine AirNow fournit des prévisions déterministes horaires, tandis que les approches d'ensemble, comme celles utilisées par l'Organisation météorologique mondiale , combinent plusieurs modèles pour générer un consensus avec une incertitude inhérente plus faible.

Étude de cas : Les feux de forêt de l'Ouest des États-Unis en 2020

Pendant la saison catastrophique des incendies de 2020 en Californie, en Oregon et à Washington, les modèles environnementaux ont prédit avec précision que les concentrations de PM[2,5 dépasseraient 500 μg/m3 – soit plus de 20 fois la norme de 24 heures de l'EPA – dans des régions peuplées comme Portland et Seattle. Les organismes de santé publique ont utilisé ces prévisions pour déclencher des fermetures d'écoles secondaires, annuler des événements extérieurs et distribuer des masques N95.

Évaluation des risques pour la santé publique : de la concentration aux résultats pour la santé

Une fois que les modèles produisent des estimations de l'exposition, les épidémiologistes et les organismes de santé les utilisent pour caractériser les risques, ce qui implique de traduire les concentrations de polluants en effets attendus sur la santé en utilisant les fonctions concentration-réponse dérivées de décennies de recherche épidémiologique.

Effets directs sur la santé

  • Conditions respiratoires:[ Exacerbation de l'asthme, bronchite, diminution de la fonction pulmonaire et augmentation de la sensibilité aux infections comme la COVID-19. Les enfants, les adultes plus âgés et ceux qui souffrent d'une maladie pulmonaire préexistante sont les plus vulnérables.
  • Effets cardio-vasculaires: Les crises cardiaques, les accidents vasculaires cérébraux et les arythmies ont été liés à l'exposition à la fumée de feu de forêt, même à des concentrations modérées.
  • Risques reproductifs et développementaux:[ Des études ont associé une exposition élevée à la fumée pendant la grossesse avec un faible poids à la naissance, une naissance prématurée et des retards de développement.
  • Effets sur la santé mentale:[ Les événements prolongés de fumée causent de l'anxiété, de la dépression et du stress post-traumatique, en particulier chez les personnes évacuées et les collectivités de première ligne.

Populations vulnérables et justice environnementale

Les modèles environnementaux aident également à identifier les communautés qui sont touchées de façon disproportionnée. Les quartiers à faible revenu ont souvent des charges de santé plus élevées avant l'existence et un accès plus faible à la climatisation, à des abris d'air intérieur propres et à des soins de santé. Les communautés autochtones qui dépendent des moyens de subsistance extérieurs ou des pratiques culturelles sont exposées à des risques uniques.

Un exemple instructif vient du dôme thermique du Pacifique Nord-Ouest et des feux de forêt simultanés. La modélisation a montré que les concentrations de fumée dans les régions à faible revenu de Yakima, Washington, étaient deux fois plus élevées que dans les quartiers plus riches, en grande partie en raison des différences de topographie locale et de la proximité des terres sujettes au feu.

Défis de la modélisation environnementale de la fumée de feu sauvage

Malgré des progrès importants, les modèles environnementaux font face à plusieurs limites persistantes qui influent sur leur fiabilité et leur utilité pour la prise de décisions en santé publique.

Précision et représentation des données

Les facteurs d'émission, c'est-à-dire la quantité de polluant rejetée par unité de combustible brûlé, sont très incertains parce qu'ils dépendent de l'humidité du combustible, de l'intensité du feu et de la phase de combustion (flammation par rapport au smoldering). Les ensembles de données actuels utilisent souvent des moyennes mondiales qui ne reflètent pas les différences régionales dans la végétation.

Résolution type

La plupart des modèles opérationnels fonctionnent à des tailles de grille de 12 à 36 kilomètres, ce qui ne permet pas de saisir des caractéristiques à grande échelle comme les débits de drainage qui canalisent la fumée dans les vallées où vivent les populations.

Traitement en temps réel et latence

Les retards entre la détection des incendies, l'assimilation des données et la publication de prévisions peuvent être des heures durant lesquelles l'incendie a pu se développer ou se déplacer. Pour un feu de forêt en mouvement rapide, une prévision qui a même quatre heures peut être dangereusement inexacte.

Complexité chimique

Par exemple, la formation de carbone brun, un composant qui absorbe la lumière et qui affecte les rayonnements et le transport, et la transformation des métaux toxiques sont encore des domaines de recherche actifs. Les modèles qui ignorent ces processus peuvent faussement estimer la concentration et la toxicité du panache de fumée.

Orientations futures : La prochaine génération de prévision de la fumée

La recherche et le développement visent à surmonter ces défis par plusieurs voies prometteuses.

Intégration de l'intelligence artificielle et de l'apprentissage automatique

Les algorithmes d'apprentissage automatique peuvent apprendre des modèles complexes à partir de données historiques sur le feu, la météo et la qualité de l'air, souvent surpassant les méthodes statistiques traditionnelles. Par exemple, les réseaux neuronaux peuvent prédire les concentrations de PM[2,5 dans des endroits non surveillés en combinant des relevés par satellite, des champs météorologiques et des informations sur l'utilisation des terres.

Amélioration des capacités satellitaires

Les satellites géostationnaires de la prochaine génération, tels que NOAA , GOES-18 et la troisième génération européenne Meteosat, fourniront des mises à jour toutes les 5-10 minutes pour la détection des incendies et le suivi des aérosols. L'avenir NASA Earth System Observatory comprendra des capteurs conçus spécifiquement pour mesurer les particules près de la surface2.5 depuis l'espace, ce qui pourrait révolutionner l'initialisation du modèle.

Modélisation communautaire et science citoyenne

Les capteurs de qualité de l'air à faible coût (p. ex. PurpleAir) sont maintenant des dizaines de milliers. Lorsqu'ils sont étalonnés et assimilés aux modèles, ces données peuvent améliorer considérablement la précision locale. Des groupes de recherche comme le EPAS Air Research Program[ élaborent des méthodes pour ingérer les données provenant de sources de foule tout en tenant compte des biais des capteurs.

Prévisions intégrées des incidences sur la santé

Quelques programmes pilotes, par exemple en Californie, dans la région de Sacramento, émettent maintenant des alertes sanitaires qui estiment, par exemple, l'augmentation prévue des visites d'asthme et recommandent des mesures spécifiques aux hôpitaux. Si ces systèmes sont à l'échelle, ils pourraient permettre aux établissements de soins de prépositionner le personnel et les fournitures avant qu'un événement de fumée arrive.

Politique et engagement communautaire : de la prévision à la protection

Les modèles environnementaux ne sont que aussi efficaces que les politiques et les mesures qu'ils informent. Plusieurs domaines clés nécessitent une attention particulière pour traduire les prévisions en protection de la santé.

Communication publique et réaction comportementale

Beaucoup de gens ne comprennent pas les valeurs de l'indice de qualité de l'air (AQI) ou ne savent pas comment interpréter les cartes de fumée basées sur des modèles. La communication des risques doit être simple, culturellement appropriée et diffusée par des canaux fiables (nouvelles locales, applications mobiles, médias sociaux).

Gestion des terres et prévention des incendies

En simulant différents scénarios de traitement dans des conditions météorologiques historiques, les gestionnaires fonciers peuvent prioriser les secteurs où la réduction du carburant procurera le plus grand avantage en termes de qualité de l'air du vent. Ce pipeline de modélisation à gestion est de plus en plus utilisé par le US Forest Service.

Normes réglementaires et assurance

Les modèles environnementaux constituent la base de données probantes permettant de mettre à jour les normes nationales de qualité de l'air ambiant (NAQS) pour y inclure des seuils à court terme spécifiques à chaque événement. Les compagnies d'assurance et de réassurance commencent également à utiliser des modèles d'exposition à la fumée pour les primes de prix pour les allégations de santé liées aux incendies de forêt, ce qui pourrait créer des incitations économiques en vue de les atténuer.

Conclusion

La modélisation environnementale n'est plus une activité scientifique de niche, c'est un outil de santé publique de première ligne à une époque où les feux de forêt s'intensifient. En prédisant où la fumée se déplacera, à quelle concentration et pendant combien de temps, les modèles permettent d'agir de façon décisive : fermer les écoles, activer des abris pour l'air pur, distribuer des masques et prépositionner des ressources médicales.