Calibration and evaluation of the Canadian Forest Fire Weather Index (FWI) System for improved wildland fire danger rating in the UK
Notice bibliographique
Résumé
Abstract. Wildfires in the United Kingdom (UK) can pose a threat to people, infrastructure and the natural environment (e.g. to the carbon in peat soils), and their simultaneous occurrence within and across UK regions can periodically place considerable stress upon the resources of Fire and Rescue Services. "Fire danger" rating systems (FDRS) attempt to anticipate periods of heightened fire risk, primarily for early-warning purposes. The UK FDRS, termed the Met Office Fire Severity Index (MOFSI) is based on the Fire Weather Index (FWI) component of the Canadian Forest FWI System. MOFSI currently provides operational mapping of landscape fire danger across England and Wales using a simple thresholding of the final FWI component of the Canadian System. Here we explore a climatology of the full set of FWI System components across the entire UK (i.e. extending to Scotland and Northern Ireland), calculated from daily 2 km gridded numerical weather prediction data, supplemented by meteorological station observations. We used this to develop a percentile-based calibration of the FWI System optimised for UK conditions. We find the calibration to be well justified, since for example the values of the "raw" uncalibrated FWI components corresponding to a very "extreme" (99th percentile) fire danger situation can vary by up to an order of magnitude across UK regions. Therefore, simple thresholding of the uncalibrated component values (as is currently applied) may be prone to large errors of omission and commission with respect to identifying periods of significantly elevated fire danger compared to "routine" variability. We evaluate our calibrated approach to UK fire danger rating against records of wildfire occurrence, and find that the Fine Fuel Moisture Code (FFMC), Initial Spread Index (ISI) and final FWI component of the FWI system generally have the greatest predictive skill for landscape fires in Great Britain, with performance varying seasonally and by land cover type. At the height of the most recent severe wildfire period in the UK (2 May 2011), 50 % of all wildfires occurred in areas where the FWI component exceeded the 99th percentile, and for each of the ten most serious wildfire events that occurred in the 2010–2012 period, at least one FWI component per event was found to surpass the 95th percentile. Overall, we demonstrate the significant advantages of using a calibrated, percentile-based approach for classifying UK fire danger, and believe our findings provide useful insights for any future redevelopment of the current operational UK FDRS.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».