Near real-time indicators of burn severity in the western U.S. from active fire tracking
Notice bibliographique
Résumé
Abstract Background Timely information on wildfire burn severity is critical to assess and mitigate potential post-fire impacts on soils, vegetation, and hillslope stability. Tracking individual fire spread and intensity using satellite active fire data provides a pathway to near real-time (NRT) information. Here, we generated a large database ( n = 2177) of wildfire events in the western United States (U.S.) between 2012 and 2021 using active fire detections from the Visible Infrared Imaging Radiometer Suite (VIIRS) sensor on the Suomi National Polar-orbiting Partnership (SNPP) satellite and the Fire Events Data Suite (FEDS) algorithm to track large fire growth every 12 h. We integrated fire tracking data with final fire perimeters and burn severity data from the Monitoring Trends in Burn Severity (MTBS) program to evaluate the relationship between burn severity and fire behavior metrics derived from the fire tracking approach, including the rate of fire spread and average fire radiative power (FRP) of fire detections for each 12-h growth increment. Results When stratified by vegetation type, FRP and rate of spread metrics were positively correlated with classified burn severity for each 12-h growth increment, highlighting the potential to rapidly identify areas of high and low severity burning. In forests, integrated measures of FRP over the fire lifetime captured persistent flaming and smoldering that compensated for initial differences between AM (01:30) and PM (13:30) fire detections. Predictive modeling of these relationships based on multiple fire behavior indicators and vegetation type from the LANDFIRE program yielded an accuracy of 78% for the separation of unburned/low and moderate/high burn severity classes. Conclusions These results demonstrate the ability to capture within-fire differences in burn severity using NRT indicators from fire tracking to assist with emergency management and disaster preparedness for post-fire hazards, such as landslides, debris flows, or changes in stream flow and water quality. As VIIRS data are available within minutes of each satellite overpass in the U.S., rapid estimates of burn severity based on fire tracking can be made days or weeks before a large wildfire is fully contained.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».