Cellular automaton modelling of lightning-induced and man made forest fires
Notice bibliographique
Résumé
Abstract. The impact of forest fires on nature and civilisation is conflicting: on one hand, they play an irreplaceable role in the natural regeneration process, but on the other hand, they come within the major natural hazards in many regions. Their frequency-area distributions show power-law behaviour with scaling exponents α in a quite narrow range, relating wildfire research to the theoretical framework of self-organised criticality. Examples of self-organised critical behaviour can be found in computer simulations of simple cellular automaton models. The established self-organised critical Drossel-Schwabl forest fire model is one of the most widespread models in this context. Despite its qualitative agreement with event-size statistics from nature, its applicability is still questioned. Apart from general concerns that the Drossel-Schwabl model apparently oversimplifies the complex nature of forest dynamics, it significantly overestimates the frequency of large fires. We present a modification of the model rules that distinguishes between lightning-induced and man made forest fires and enables a systematic increase of the scaling exponent α by approximately 1/3. In addition, combined simulations using both the original and the modified model rules predict a dependence of the overall event-size distribution on the ratio of lightning induced and man made fires as well as a splitting of their partial distributions. Lightning is identified as the dominant mechanism in the regime of the largest fires. The results are confirmed by the analysis of the Canadian Large Fire Database and suggest that lightning-induced and man made forest fires cannot be treated separately in wildfire modelling, hazard assessment and forest management.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».