MétaCan
Menu
Retour à la cohorte
Enregistrement W4408438676 · doi:10.5194/egusphere-egu25-5629

An enhanced NHI algorithm configuration for fire detection and mapping

2025· preprint· en· W4408438676 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueFire Detection and Safety Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceAlgorithmFire detectionEngineering

Résumé

récupéré en direct d'OpenAlex

The devastating fire events occurring during the intense fire season of 2023 have shown the importance of developing efficient fire detection methods capable of supporting the fire management activities. An enhanced configuration of the Normalized Hotspot Indices (NHI) algorithm has been developed in this direction to improve the fire mapping by satellite through near infrared (NIR) and short-wave infrared (SWIR) data (up to 20 m spatial resolution) from the Operational Land Imager (OLI/OLI2) and the Multispectral Instrument (MSI) aboard Landsat-8/9 (L8/9) and Sentinel-2 (S2) satellites, respectively. In this work, we show the results achieved by investigating the fire events occurring in California, Hawaii islands (USA), Yellowknife (Canada), Tenerife islands (Spain), Greece and Australia also through comparison with information from operational Landsat Fire and Thermal Anomaly (LFTA) product. Results of an extended validation analysis performed using information from well-established databases show that the enhanced NHI algorithm configuration enabled an accurate mapping of fire fronts with a very number of omission and commission errors. Moreover, the algorithm flagged up to 99% of fire pixels from the LFTA product over California and detected up to 70% of additional fire pixels, in night-time conditions, which better detailed the fire fronts and provided unique information about small-fire outbreaks. The effective integration of S2 (daytime) and L8/9 (daytime/night-time) observations, demonstrates that the enhanced NHI algorithm configuration may be used with success to analyse the dynamic evolution of flaming fronts by assessing/complementing information from satellite products at high-temporal/low-spatial resolution. The next implementation of the algorithm on from the Sea and Land Surface Temperature Radiometer (SLSTR) aboard Sentinel-3 satellite and the Flexible Combined Imager (FCI) of the Meteosat Third Generation (MTG) opens some interesting perspectives also regarding its usage for the near-real time monitoring of wildfires

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,837

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,232
Écart entre enseignants0,221 · 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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFire Detection and Safety SystemsTravaux en français237 207