Use and performance of the Forest Fire Weather Index to model the risk of wildfire occurrence in the Alpine region
Notice bibliographique
Résumé
Assessing a territory’s fire proneness is fundamental when planning and undertaking effective forest protection and land management. Accurate methods to estimate the risk of fire ignition in natural environments have been proposed over the last decades and digital mapping has been used to identify critical areas. The Canadian Forest Fire Weather Index is a well-known fire danger rating index created and improved during the last 45 years by the Canadian Forest Service. The goal of this paper is twofold. Firstly, we evaluated whether the Forest Fire Weather Index is an adequate instrument to predict fire ignition in Alpine and sub-Alpine areas using quite a large dataset of meteorological and forest fire data collected in the Lombardy region (Northern Italy) between 2003 and 2011. By means of a spatial binary regression model, we demonstrated that Forest Fire Weather Index has a significant impact on the probability of fire ignition. Since this approach allows us to account for other characteristics of the territory in order to provide a more accurate estimate of the spatial wildfire dynamics at a moderately large scale, the second goal of the paper aims at creating a model to assess fire risk occurrence using the Forest Fire Weather Index and land use information. It has been found that ignition can easily occur in large forested areas whereas denser urban areas are less exposed to fire since they usually have no fuels to ignite. Nevertheless, since human activity has a direct impact on fire ignition human presence, it fosters ignition in forested areas. Finally, the model, including these spatial dimensions, has been employed to derive a probability map of fire occurrences at 1.5 km resolution, which is a fundamental instrument to develop optimal prevention and risk management policy plans for the decision maker.
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 | 0,001 | 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 ».