Application of the Canadian Fire Weather Index for Forest Fire Danger Assessment in South Korea
Notice bibliographique
Résumé
Climate change has led to the global intensification of wildfire activity, and South Korea has also experienced a marked increase in fire danger. To understand these developments, it is essential to examine both temporal trends and spatial patterns in fire-conducive climate conditions. In this study, we investigated the temporal and spatial characteristics of wildfire danger across South Korea between 2004 and 2023 using the Fire Weather Index (FWI). The analysis of long-term climate trends revealed region-specific patterns of increasing temperatures, decreasing precipitation, and declining wind speeds, which collectively contribute to an increased risk of wildfires. The FWI exhibited strong seasonal variations, with significant increases observed in spring, particularly in May, over the most recent decade. Statistical analyses confirmed a strong correlation between high FWI percentiles and wildfire occurrence, particularly noting an increased frequency of large-scale fires (>100 ha) in the highest FWI bins. The spatial analysis further highlighted that certain provinces, including Gangwon State, Gyeongsangbuk-do, Chuncheongbuk-do, and Gyeonggi-do, experienced disproportionately high increases in FWI values. These findings suggest that the FWI can serve as a robust framework for wildfire danger assessment in South Korea, particularly when supported by region-specific calibration and long-term validation under varying climatic conditions.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».