Predicting crown fire behavior to support forest fire management decision-making
Notice bibliographique
Résumé
Fire behavior models are an important component of decision support systems for fire management. This paper describes the modeling of two fundamental crown fire behavior features: the onset of crowning and the spread rate of crown fires. The present study is based largely on the database used in the development of the Canadian Forest Fire Behavior Prediction System. The dataset used in the study consisted of 73 experimental fires in various coniferous forest fuel complexes, 40 of which were classified as crown fires. These fires cover a wide spec- trum of fire environment conditions and fire behavior characteristics, with rates of spread rang- ing from 0.5 - 49.4 m/min, and fireline intensity from 62 - 45,200 kW/m. Crown fire initiation was modeled through a logistic regression approach using 10-m open wind speed, fuel strata gap or height to live crown base, a surface fuel consumption class, and an index of fine dead fuel moisture content as independent variables. Spread rates for active and passive crown fires were modeled through multiple non-linear regression analysis following physical reasoning. Inde- pendent variables used in the crown fire spread models were 10-m open wind speed, canopy bulk density and again the index of fine dead fuel moisture content. The crown fire initiation model correctly predicted 85 % of the cases in the dataset used for its construction. The active crown fire spread model yield a R2 of 0.61. The wide variation in fuel complex structure and fire be- havior in datasets used to build the crown fire initiation and rate of spread models gives confi- dence that the models might work well in fuel complexes different from the original ones, given an adequate description of the physical characteristics of the fuel complex.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».