Remote sensing of fire regimes in semi-arid Nusa Tenggara Timur, eastern Indonesia: current patterns, future prospects
Notice bibliographique
Résumé
Substantial areas of eastern Indonesia are semi-arid (with a pronounced dry season extending from April to November) with extensive areas of uncultivated vegetation dominated by savanna grasslands and woodlands. These are highly fire-prone, despite high population densities reliant on intensive subsistence agriculture and an official national fire policy that prohibits all burning. To date, no regional studies have been undertaken that reliably assess the seasonal extent and patterning of prescribed burning and wildfire. Focusing on two case studies in east Sumba (7000 km2) and central Flores (3000 km2) in the eastern Indonesian province of Nusa Tenggara Timur, the present paper addresses: (1) the efficacy of applying standard remote sensing and geographic information system tools as developed for monitoring fire patterns in savanna landscapes of adjacent northern Australia, for (2) describing the seasonal patterning of burning at village and broader regional scales in 2003 and 2004. Despite recurring cloudiness, which significantly affected daily fire detection of ‘hotspots’ from Advanced Very High Resolution Radiometer and Moderate Resolution Imaging Spectroradiometer sensors, fire mapping from Landsat imagery was undertaken successfully to reveal: (1) fires burnt an annual average of 29% of eastern Sumba (comprising mostly grassland savanna), and 11% of central Flores (with large forested areas); (2) most fire extent occurred in savanna grassland areas, and significantly also in cultivated lands and small remnant patches of forest; (3) most fire activity occurred under harsh, late dry season conditions; and (4) while the great majority of individual fires were less than 5 ha, some late dry season fires were hundreds of hectares in extent. The potential routine application of different image sensors for fire mapping and hotspot detection is considered in discussion.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».