Remote Sensing-Based Assessment of Fire Danger Conditions Over Boreal Forest
Notice bibliographique
Résumé
Forest fire is an integral part in many forested ecosystems including boreal forests, that influences forest productivity, biodiversity and socio-economy, among others. In this paper, we evaluated the potential of three selected satellite (i.e., MODIS)-based variables/indices at 8-day temporal resolution, i.e., surface temperature (TS), normalized multiband drought index (NMDI) and temperature vegetation wetness index (TVWI) in predicting/forecasting the fire danger conditions over boreal forest regions of Alberta during the period 2006-2008. The method was based on the assumption that the fire danger conditions duringi+1 period would be high if the instantaneous values of: (i)TSvalues were either higher or equal; or (ii) NMDI or TVWI values were either lower or equal; with compare to their respective study-area-specific average during i period. The analyses were conducted on the basis of either individual variable or combining all of the three together. We found that 60.59% forTS, 72.41% for NMDI, and 54.19% for TVWI of fires fell under the high fire danger conditions. The combination of all of the three individual variables, it revealed that 91.63% of the fires fell in the categories of “very high” (i.e., all three variables indicated high danger), “high” (i.e., at least two of them indicated high danger), and “moderate” (i.e., at least one of the variables indicated high danger) fire danger classes. These results showed that the applicability of the proposed method in predicting fire danger conditions over the boreal forest regions.
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) | 0,000 | 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 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 ».