Estimation of Fire Counts and Fire Radiative Power Using Satellite Optical and Microwave Vegetation Indices With Random Forest Method
Notice bibliographique
Résumé
Abstract The satellite microwave emissivity difference vegetation index (EDVI) has been used in previous studies to estimate FCs and FRP using traditional multivariate linear regression models. However, the nonlinear effects and contributions of numerous factors that affect forest fires cannot be disentangled by this model. Using the random forest (RF) model, this study utilized multiple EDVIs and the optical normalized difference vegetation index (NDVI) as key fuel properties to resolve the physical driving mechanisms of forest fires and to estimate the daily FCs and FRP over East Asia. The results showed that the estimated FCs and FRP were in good agreement with satellite observations, with a spatial R of 0.59 for FCs and 0.63 for FRP and a temporal R of 0.80 for FCs and 0.81 for FRP. The integration of EDVIs and NDVI into the RF model was found to improve model performance and generate overall lower systematic errors than the model without vegetation variables. Model performance was better than that in previous studies using multivariate linear regression models. In addition, EDVIs showed greater importance than NDVI. This was largely due to their daily temporal resolution that allowed EDVIs to capture forest fire dynamics in time. The combination of the RF model with satellite microwave and optical observations shows good performance and has great potential for FC and FRP estimations in global fire danger assessment.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».