The Effects of Fuel Type Map Accuracy on Fire Behaviour Metrics
Notice bibliographique
Résumé
For fire managers and industry professionals, monitoring and leading wildfire prevention efforts as well as reactionary efforts require accurate and operable fuel type maps to achieve effective management. Fuel type map classification accuracy has been seen to have varying values across industries and applications (> 10 %), and the consequences of these misclassifications in fuel type mapping has yet to be determined. The objective of this research was to explore the effects of mapping error on fire behavior metrics, burn probability, fire intensity, and rate of spread in the southern interior forest region of British Columbia which experiences dry weather and extreme fire conditions. Utilizing a fuel type map with 250 m resolution produced through an artificial neural network as a base case that has assumed 100% accuracy; induced error at varying levels of intensity (10%, 20%, 30%) was applied by selecting C-7 (conifer plantation/Ponderosa pine-Douglas-fir) pixels, and reassigning them to fuel types C-2 (Boreal Spruce) and M-1/2 (Boreal mixedwood) which have been commonly misrepresented in classification. With three levels of error and a base case for comparison, simulations were conducted through a spatial fire simulation software, Burn-P3, to determine effects. Clear trends were found to show that there was not a noticeable change in fire behavior metrics between the base case and 10 % error but that a relative inflection point was found between 10 percent and 20 percent. It was found that fire behavior metrics increased in intensity and spatial reach when fuel type mapping error increased. Recommendations for future research such as a complete evaluation of all error classes between 0% and 100%, as well as the implementation of map accuracy assessments are given to aid wildfire management efforts.
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 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».