The validity and utility of MODIS data for simple estimation of area burned and aerosols emitted by wildfire events
Notice bibliographique
Résumé
Wildfire emissions are challenging to measure and model, but simple and realistic estimates can benefit multiple disciplines. We evaluate the potential of MODIS (Moderate Resolution Imaging Spectroradiometer) data to address this objective. A total of 11 004 fire pixels detected over 92 days were clustered into 242 discrete fire events in a mountainous region of North America. Burned areas were estimated with spatial buffers around the MODIS detections, and all events were matched and compared with administrative fire records based on their location and duration. Linear regression between recorded and estimated burned areas showed excellent agreement (slope = 0.93 and R2 = 0.96). Aerosol emission rates were estimated for each MODIS detection using its fire radiative power measurement. Results were compared with estimates from the Canadian Fire Behaviour (CANFB) prediction system in Canada and the US Emissions Production Model (USEPM) for detections in the US. Median emission rates were similar for the MODIS and CANFB methods (600 and 579 g s–1 respectively) but not for the MODIS and USEPM methods (575 and 382 g s–1 respectively). The MODIS rates were much more variable in both comparisons. Linear regression on emission rates summed daily across the study area shows that the MODIS method is more consistent with CANFB (slope = 0.71, R2 = 0.71) than with USEPM (slope = 0.24, R2 = 0.68). We conclude that simple calculations based on remote sensing data can yield results that are comparable with those obtained with more complex methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».