Georeferencing Oblique Aerial Wildfire Photographs: An Untapped Source of Fire Behaviour Data
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
In this study, we investigate a novel application of the photogrammetric monoplotting technique for assessing wildfires. We demonstrate the use of the software program WSL Monoplotting Tool (MPT) to georeference operational oblique aerial wildfire photographs taken during airtanker response in the early stages of fire growth. We located the position of the fire front in georeferenced pairs of photos from five fires taken 31–118 min apart, and calculated the head fire spread distance and head fire rate of spread (HROS). Our example photos were taken 0.7 to 4.7 km from fire fronts, with camera angles of incidence from −19° to −50° to image centre. Using high quality images with detailed landscape features, it is possible to identify fire front positions with high precision; in our example data, the mean 3D error was 0.533 m and the maximum 3D error for individual fire runs was less than 3 m. This resulted in a maximum HROS error due to monoplotting of only ~0.5%. We then compared HROS estimates with predictions from the Canadian Fire Behavior Prediction System, with differences mainly attributed to model error or uncertainty in weather and fuel inputs. This method can be used to obtain observations to validate fire spread models or create new empirical relationships where databases of such wildfire photos exist. Our initial work suggests that monophotogrammetry can provide reproducible estimates of fire front position, spread distance and rate of spread with high accuracy, and could potentially be used to characterize other fire features such as flame and smoke plume dimensions and spotting.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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