Reliability of fire danger forecasts for Czech agricultural and forestry landscapes
Notice bibliographique
Résumé
Abstract Background The increasing threat of fire caused by ongoing climate change requires accurate and timely prediction for the effective management of extreme fire situations. The limited research on the connection between fire danger metrics and the occurrence of wildfires in the forested and agricultural landscapes of the Czech Republic underscores the need to better understand how to properly quantify fire danger in the context of Central Europe. This study focused on assessing the accuracy of fire danger prediction with respect to the number of wildfires in different geographic regions of the Czech Republic and provided new insights into central European fire ecology. Results We found that the fire season in the Czech Republic has two peaks, in spring and summer, with regional differences in the total number of wildfires. Analyses of fire danger via the Canadian Fire Weather Index (FWI) and Australian Forest Fire Danger Index (FFDI) for the years 2018–2022 revealed that the IFS numerical weather prediction model is the most suitable for conditions in the Czech Republic. A linear regression model showed a high predictive capability for the total number of wildfires in the Czech Republic, with an observed R -squared value of 0.81 and a mean absolute error (MAE) of 5.19 wildfires with a 95% confidence interval (CI) of 4.94–5.44. Additionally, the second model, which utilized a linear model with random effects to account for regional variability, had an R -squared value of 0.34 and an MAE of 1 wildfire (95% CI ± 3), indicating that the inclusion of regional correction coefficients (random effects) enhanced the prediction accuracy. Conclusions This study provides key insights into fire danger prediction in relation to the number of wildfires. With this model, it is possible to predict how many wildfires may occur at specific values of the FWI and FFDI in individual regions (NUTS 3) of the Czech Republic. This information can be used for more effective readiness planning for human resources and fire equipment while also contributing to the enhancement of general knowledge in the field of fire science in the context of central Europe.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».