An Advanced Forest Fire Danger Forecasting System: Integration of Remote Sensing and Historical Sources of Ignition Data
Notice bibliographique
Résumé
Forest fire is one of the major natural hazards/disasters in Canada and many ecosystems across the world. Here, our objective was to enhance the performance of an existing solely remote sensing-based forest fire danger forecasting system (FFDFS), and its implementation over the northern region of the Canadian province of Alberta. The modified FFDFS was comprised of Moderate Resolution Imaging Spectroradiometer (MODIS)-derived daily surface temperature (Ts) and precipitable water (PW), and 8-day composite of normalized difference vegetation index (NDVI) and normalized difference water index (NDWI), where we assumed that cloud-contaminant pixels would reduce the risk of fire occurrences. In addition, we generated ignition cause-specific static fire danger (SFD) maps derived using the historical human- and lightning-caused fires during the period 1961–2014. Upon incorporating different combinations of the generated SFD maps with the modified FFDFS, we evaluated their performances against actual fire spots during the 2009–2011 fire seasons. Our findings revealed that our proposed modifications were quite effective and the modified FFDFS captured almost the same amount of fires as the original FFDFS, i.e., about 77% of the detected fires on an average in the top three fire danger classes of extremely high, very high, and high categories, where about 50% of the study area fell under low and moderate danger classes. Additionally, we observed that the combination of modified FFDFS and human-caused SFD map (road buffer) demonstrated the most effective results in fire detection, i.e., 82% of detected fires on an average in the top three fire danger classes, where about 46% of the study area fell under the moderate and low danger categories. We believe that our developments would be helpful to manage the forest fire in order to reduce its overall impact.
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 ».