Modelling the daily probability of lightning-caused ignition in the Iberian Peninsula
Rodrigues, Marcos (Universidad de Zaragoza) ; Jiménez-Ruano, Adrián ; Gelabert, Pere Joan ; de Dios, Víctor Resco ; Torres, Luis ; Ribalaygua, Jaime ; Vega-García, Cristina
Resumen: Background. Lightning is the most common origin of natural fires, being strongly linked to specific synoptic conditions associated with atmospheric instability, such as dry thunderstorms; dry
fuels are required for ignition to take place and for subsequent propagation. Aims. The aim was to predict the daily probability of ignition by exploiting a large dataset of lightning and fire data to anticipate ignition over the entire Iberian Peninsula. Methods. We trained and tested a machine learning model using lightning strikes (>17 million) in the period 2009–2015. For each lightning
strike, we extracted information relating to fuel condition, structural features of vegetation, topography, and the specific characteristics of the strikes (polarity, intensity and flash density).
Key results. Naturally triggered ignitions are typically initiated at higher elevations (above 1000 m above sea level) under conditions of low dead fuel moisture (<10–13%) and moderate live moisture
content (Drought Code > 300). Negative-polarity lightning strikes (−10 kA) appear to trigger fires more frequently. Conclusions and implications. Our approach was able to provide ignition forecasts at multiple temporal and spatial scales, thus enhancing forest fire risk assessment systems.
Idioma: Inglés
DOI: 10.1071/WF22123
Año: 2023
Publicado en: International Journal of Wildland Fire (2023), 22123 [12 pp.]
ISSN: 1049-8001
Financiación: info:eu-repo/grantAgreement/EC/H2020/101003890/EU/FIREURISK - DEVELOPING A HOLISTIC, RISK-WISE STRATEGY FOR EUROPEAN WILDFIRE MANAGEMENT/FirEUrisk
Financiación: info:eu-repo/grantAgreement/ES/MICINN/PID2020-116556RA-I00
Tipo y forma: Artículo (Versión definitiva)
Área (Departamento): Área Análisis Geográfico Regi. (Dpto. Geograf. Ordenac.Territ.)
Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace. No puede utilizar el material para una finalidad comercial. Si remezcla, transforma o crea a partir del material, no puede difundir el material modificado.
Exportado de SIDERAL (2023-03-23-12:42:40)
Visitas y descargas
fuels are required for ignition to take place and for subsequent propagation. Aims. The aim was to predict the daily probability of ignition by exploiting a large dataset of lightning and fire data to anticipate ignition over the entire Iberian Peninsula. Methods. We trained and tested a machine learning model using lightning strikes (>17 million) in the period 2009–2015. For each lightning
strike, we extracted information relating to fuel condition, structural features of vegetation, topography, and the specific characteristics of the strikes (polarity, intensity and flash density).
Key results. Naturally triggered ignitions are typically initiated at higher elevations (above 1000 m above sea level) under conditions of low dead fuel moisture (<10–13%) and moderate live moisture
content (Drought Code > 300). Negative-polarity lightning strikes (−10 kA) appear to trigger fires more frequently. Conclusions and implications. Our approach was able to provide ignition forecasts at multiple temporal and spatial scales, thus enhancing forest fire risk assessment systems.
Idioma: Inglés
DOI: 10.1071/WF22123
Año: 2023
Publicado en: International Journal of Wildland Fire (2023), 22123 [12 pp.]
ISSN: 1049-8001
Financiación: info:eu-repo/grantAgreement/EC/H2020/101003890/EU/FIREURISK - DEVELOPING A HOLISTIC, RISK-WISE STRATEGY FOR EUROPEAN WILDFIRE MANAGEMENT/FirEUrisk
Financiación: info:eu-repo/grantAgreement/ES/MICINN/PID2020-116556RA-I00
Tipo y forma: Artículo (Versión definitiva)
Área (Departamento): Área Análisis Geográfico Regi. (Dpto. Geograf. Ordenac.Territ.)
Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace. No puede utilizar el material para una finalidad comercial. Si remezcla, transforma o crea a partir del material, no puede difundir el material modificado.Exportado de SIDERAL (2023-03-23-12:42:40)
Enlace permanente:
Visitas y descargas
Este artículo se encuentra en las siguientes colecciones:
Artículos
Registro creado el 2023-03-23, última modificación el 2023-03-23