Satellite Detection Limitations of Sub-Canopy Smouldering Wildfires in the North American Boreal Forest
Notice bibliographique
Résumé
We develop a simulation model for prediction of forest canopy interception of upwelling fire radiated energy from sub-canopy smouldering vegetation fires. We apply this model spatially across the North American boreal forest in order to map minimum detectable sub-canopy smouldering fire size for three satellite fire detection systems (sensor and algorithm), broadly representative of the Moderate Resolution Imaging Spectroradiometer (MODIS), Sea and Land Surface Temperature Radiometer (SLSTR) and Visible Infrared Imaging Radiometer Suite (VIIRS). We evaluate our results according to fire management requirements for “early detection” of wildland fires. In comparison to the historic fire archive (Canadian National Fire Database, 1980–2017), satellite data with a 1000 m pixel size used with an algorithm having a minimum MWIR channel BT elevation threshold of 5 and 3 K above background (e.g., MODIS or SLSTR) proves incapable of providing a sub-0.2 ha smouldering fire detection 70% and 45% of the time respectively, even assuming that the sensor overpassed the relevant location within the correct time window. By contrast, reducing the pixel area by an order of magnitude (e.g., 375 m pixels of VIIRS) and using a 3.5 K active fire detection threshold offers the potential for successfully detecting all fires when they are still below 0.2 ha. Our results represent a ‘theoretical best performance’ of remote sensing systems to detect sub-canopy smoldering fires early in their lifetime.
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».