Satellite Detection Limitations of Sub-Canopy Smouldering Wildfires in the North American Boreal Forest
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle