Regional variation in fire weather controls the reported occurrence of Scottish wildfires
Notice bibliographique
Résumé
Fire is widely used as a traditional habitat management tool in Scotland, but wildfires pose a significant and growing threat. The financial costs of fighting wildfires are significant and severe wildfires can have substantial environmental impacts. Due to the intermittent occurrence of severe fire seasons, Scotland, and the UK as a whole, remain somewhat unprepared. Scotland currently lacks any form of Fire Danger Rating system that could inform managers and the Fire and Rescue Services (FRS) of periods when there is a risk of increased of fire activity. We aimed evaluate the potential to use outputs from the Canadian Fire Weather Index system (FWI system) to forecast periods of increased fire risk and the potential for ignitions to turn into large wildfires. We collated four and a half years of wildfire data from the Scottish FRS and examined patterns in wildfire occurrence within different regions, seasons, between urban and rural locations and according to FWI system outputs. We used a variety of techniques, including Mahalanobis distances, percentile analysis and Thiel-Sen regression, to scope the best performing FWI system codes and indices. Logistic regression showed significant differences in fire activity between regions, seasons and between urban and rural locations. The Fine Fuel Moisture Code and the Initial Spread Index did a tolerable job of modelling the probability of fire occurrence but further research on fuel moisture dynamics may provide substantial improvements. Overall our results suggest it would be prudent to ready resources and avoid managed burning when FFMC > 75 and/or ISI > 2.
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) | 0,001 | 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 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 ».