Classification of forest fuels in selected fire-prone ecosystems of Alberta, Canada—implications for crown fire behaviour prediction and fuel management
Notice bibliographique
Résumé
Abstract Key message We used clustering to construct fuel classes from fuel inventory data based on three stand attributes relevant to crown fire behaviour: surface fuel load (SFL), canopy base height (CBH) and canopy bulk density (CBD). Resulting fuel classes explained more of the stand-to-stand variability in predicted crown fire behaviour than fuel types of the Canadian Forest Fire Behaviour Prediction (FBP) System. Context Wildfire behaviour is partly determined by stand structure and composition. Fuel characterization is essential for predicting fire behaviour and managing vegetation. Currently, categorical fuel types based on associations with major forested or open vegetated landcovers are used nationally in Canada for fire research and management applications. Aim To provide an alternative description of selected forest fuels in Alberta, Canada, using direct classification in which fuel categories are constructed from data using analytical methods. Methods Fuel inventory data for 476 stands were used to construct fuel classes with clustering. Potential crown fire behaviour was modelled for resulting fuel class clusters (FCCs) and FCCs were compared with assigned FBP System fuel types. Tree-based modelling was used to identify stand characteristics most influential on FCC membership. Fuel treatment effects on FCC and modelled crown fire behaviour were explored for the FCC most susceptible to crown fire. Results Four FCCs were identified: Red (low SFL, low CBH, low CBD); Green (high SFL, low-moderate CBH, low CBD); Blue (low SFL, high CBH, low-moderate CBD); and Black (low SFL, moderate CBH, high CBD). Stand density of live conifers and FBP System fuel type were the most important variables influencing FCC membership; however, FCCs did not align directly with assigned FBP System fuel types. Fuel reduction treatments in the Black FCC were effective at shifting the stand to a less flammable FCC. Conclusion FCCs explained more of the stand-to-stand variability in predicted crown fire behaviour than assigned FBP System fuel types, which suggests FCCs could be used to improve fire behaviour predictions and aid fire managers in prioritizing areas for fuel treatments. Future technological and remote sensing advances could enable mapping FCCs across large regions.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».