Global fire season severity analysis and forecasting

Autor(es)

Ferreira, Leonardo N. ^[1] ; Vega-Oliveros, Didier A. ^{[2, 3]} ; Zhao, Liang ^[3] ; Cardoso, Manoel F. ^[4] ; Macau, Elbert E. N. ^{[5, 1]}

Afiliação do(s) autor(es)

^[1] Natl Inst Space Res, Associated Lab Comp & Appl Math, Sao Jose Dos Campos, SP - Brazil

^[2] Indiana Univ, Sch Informat Comp & Engn, Bloomington, IN - USA

^[3] Univ Sao Paulo, Dept Comp & Math, Ribeirao Preto, SP - Brazil

^[4] Natl Inst Space Res, Ctr Earth Syst Sci, Cachoeira Paulista, SP - Brazil

^[5] Univ Fed Sao Paulo, Inst Sci & Technol, Sao Jose Dos Campos, SP - Brazil

• Tipo de documento: Artigo Científico
• Fonte: Computers & Geosciences; v. 134, JAN 2020.
• Citações Web of Science: 1

Resumo

Fire activity has a huge impact on human lives. Different models have been proposed to predict fire activity, which can be classified into global and regional ones. Global fire models focus on longer timescale simulations and can be very complex. Regional fire models concentrate on seasonal forecasting but usually require inputs that are not available in many places. Motivated by the possibility of having a simple, fast, and general model, we propose a seasonal fire prediction methodology based on time series forecasting methods. It consists of dividing the studied area into grid cells and extracting time series of fire counts to fit the forecasting models. We apply these models to estimate the fire season severity (FSS) from each cell, here defined as the sum of the fire counts detected in a season. Experimental results using a global fire detection data set show that the proposed approach can predict FSS with a relatively low error in many regions. The proposed approach is reasonably fast and can be applied on a global scale. (AU)

• Processo FAPESP: 19/00157-3 - Análise de associação e causalidade entre clima e queimadas usando redes complexas
• Beneficiário: Leonardo Nascimento Ferreira
• Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
• Processo FAPESP: 15/50122-0 - Fenômenos dinâmicos em redes complexas: fundamentos e aplicações
• Beneficiário: Elbert Einstein Nehrer Macau
• Linha de fomento: Auxílio à Pesquisa - Temático
• Processo FAPESP: 17/05831-9 - Análise da influência de índices climáticos sobre as queimadas em vegetação por meio de redes complexas e mineração de dados
• Beneficiário: Leonardo Nascimento Ferreira
• Linha de fomento: Bolsas no Brasil - Pós-Doutorado
• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: José Alberto Cuminato
• Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 16/23698-1 - Processos dinâmicos em aprendizado de máquina baseados em redes complexas
• Beneficiário: Didier Augusto Vega Oliveros
• Linha de fomento: Bolsas no Brasil - Pós-Doutorado
• Processo FAPESP: 18/01722-3 - Aprendizado semissupervisionado via redes complexas: construção de redes, seleção e propagação de rótulos e aplicações
• Beneficiário: Lilian Berton
• Linha de fomento: Auxílio à Pesquisa - Regular
• Processo FAPESP: 18/03211-6 - Dinâmica não linear
• Beneficiário: Iberê Luiz Caldas
• Linha de fomento: Auxílio à Pesquisa - Temático