MétaCan
Menu
Retour à la cohorte
Enregistrement W4394692553 · doi:10.1175/waf-d-23-0226.1

Forecasting Hourly Wildfire Risk: Enhancing Fire Danger Assessment Using Numerical Weather Prediction

2024· article· en· W4394692553 sur OpenAlexafffundabout
Christopher Rodell, Rosie Howard, Piyush Jain, Nadya Moisseeva, Timothy Chun-Yiu Chui, Roland B. Stull

Notice bibliographique

RevueWeather and Forecasting · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaCanadian Forest ServiceUniversity of British Columbia
Organismes subventionnairesNatural Resources CanadaMinistry of Economic Development and Trade, Government of AlbertaNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésNumerical weather predictionMeteorologyEnvironmental scienceClimatologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Wildfire agencies use fire danger rating systems (FDRSs) to deploy resources and issue public safety measures. The most widely used FDRS is the Canadian fire weather index (FWI) system, which uses weather inputs to estimate the potential for wildfires to start and spread. Current FWI forecasts provide a daily numerical value, representing potential fire severity at an assumed midafternoon time for peak fire activity. This assumption, based on typical diurnal weather patterns, is not always valid. To address this, we developed an hourly FWI (HFWI) system using numerical weather prediction. We validate HFWI against the traditional daily FWI (DFWI) by comparing HFWI forecasts with observation-derived DFWI values from 917 surface fire weather stations in western North America. Results indicate strong correlations between forecasted HFWI and the observation-derived DFWI. A positive mean bias in the daily maximum values of HFWI compared to the traditional DFWI suggests that HFWI can better capture severe fire weather variations regardless of when they occur. We confirm this by comparing HFWI with hourly fire radiative power (FRP) satellite observations for nine wildfire case studies in Canada and the United States. We demonstrate HFWI’s ability to forecast shifts in fire danger timing, especially during intensified fire activity in the late evening and early morning hours, while allowing for multiple periods of increased fire danger per day—a contrast to the conventional DFWI. This research highlights the HFWI system’s value in improving fire danger assessments and predictions, hopefully enhancing wildfire management, especially during atypical fire behavior.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,241
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWeather and ForecastingMême sujetFire effects on ecosystemsTravaux en français237 207