Modeling the duration and size of wildfires using joint mixture models
Notice bibliographique
Résumé
Abstract Fire duration and fire size are key outcomes for quantifying the survivorship of extended attack fires, here considered to be fires with duration greater than 2 days and size greater than 4 ha. Past studies suggest that these key outcomes are correlated. As well, fire behavior, linked to hidden effects, tends to yield that fires arise from different subpopulations. Indeed, it is not unusual for fire behavior to be identified as arising from normal or extreme subpopulations, for example. Here, we embed these two concepts into a new framework for jointly modeling fire duration and fire size. We develop a bivariate finite mixture framework that can be used to model duration and size with four subpopulations of the outcomes whereby duration and size are either normal or extreme. We utilize a shared random effect model as well as a bivariate Gaussian mixture model for such mixture modeling. We also incorporate the effect of explanatory variables associated with each fire event, on the posterior probability of the component that the fire belongs to, through a Dirichlet model. In an analysis of fire outcomes from British Columbia, Canada, we find that the majority of the fires are of normal or extreme magnitude in both outcomes, with strong evidence indicating correlation between duration and size. The effect of fire center, month, and several environmental covariates are identified as key predictors and we are able to determine through these approaches how these covariates differentially affect the four subpopulations.
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 | 0,000 | 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 ».