FIRE SEVERITY ASSESSMENT OF AN ALPINE FOREST FIRE WITH SENTINEL-2 IMAGERY
Notice bibliographique
Résumé
Abstract. Fire is a common phenomenon in many forests and is considered an important ecological tool. Fire severity mapping presents an effective way to assess post-fire management intervention and is helpful in environmental and climate change research. The objective of this study was to determine the severity of a forest fire event that occurred from 24th to 27th October 2019 at Taibon Agordino using Sentinel-2A satellite images and creating a severity map suitable as a decision-making tool for post-fire management intervention. The Sentinel-2A satellite data was classified into the following five classes: Unburned, Low Severity, Moderate Severity, High Severity, and Shadow with the non-parametric Random Forest (RF) classifier, and the resulting classified image was validated using validation sites. The RF classifier was applied first to the ten original band reflectance of Sentinel-2. In a second step, additional variables were added to the classification, namely the digital elevation model (DEM), the slope, and five vegetation indices (i.e., Differenced Normalized Burn Ratio (dNBR), Relative Differenced Normalized Burn Ratio (RdNBR), Differenced Bare Soil Index (dBSI), Global Environmental Monitoring Index (GEMI) and Burn Area Index (BAI)) The inclusion of vegetation indices and DEM-related variables increased the classification accuracy from 99.26% to 99.61% and the overall accuracy from 70.51% to 83.33%. In the classification with the ten original band reflectance, the variable of importance plot ranked the Red-Edge-3, Red, and SWIR 1 band reflectance as the top three most important input features, while for the classification with 17 variables, RdNBR, DEM and dNBR were the top three most important input features.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».