Environmental determinants of lightning- v. human-induced forest fire ignitions differ in a temperate mountain region of Switzerland
Notice bibliographique
Résumé
Understanding the environmental and human determinants of forest fire ignitions is crucial for landscape management. In this study, we consider lightning- and human-induced fires separately and evaluate the relative importance of weather, forest composition and human activities on the occurrence of forest fire ignitions in the most fire-prone region of Switzerland, the Canton Ticino. Independent variables included 14 drought and fire weather indices, forest composition and human influences. Logistic regression models were used to relate these independent variables to records of forest fires over a 37-year period (1969–2005). We found large differences in the importance of environmental and human controls on forest fire ignitions between lightning- and human-induced events: lightning-induced fires occurred in a small range of weather conditions well captured by the Duff Moisture Code from the Canadian Forest Fire Weather Index System and the LandClim Drought Index, and with negligible influence of distance to human infrastructure, whereas human-induced fires occurred in a wider range of weather conditions well captured by the Angstroem and the Fosberg Fire Weather Index, mainly in deciduous forests, and strongly depending on proximity to human infrastructure. We conclude that the suitability of fire indices can vary dramatically between ignition sources, suggesting that some of these indices are useful within certain regions and fire types only. The ignition source is an important factor that needs to be taken into account by fire managers and when developing models of forest fire occurrence.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».