Un modelo de pronóstico estadístico para los extremos del índice de comportamiento del fuego en Australia
Autores: Taylor, Rachel; Marshall, Andrew G.; Crimp, Steven; Cary, Geoffrey J.; Harris, Sarah
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un modelo de pronóstico estadístico para los extremos del índice de comportamiento del fuego en Australia
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Frecuencia
Pronóstico
Peligro extremo de incendio
Factores climáticos
Modelo estadístico
Modelo dinámico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 10
Citaciones: Sin citaciones
La creciente frecuencia y duración de eventos de incendios severos en Australia hace aún más necesaria una previsión precisa y oportuna para mitigar sus consecuencias. Este estudio evaluó el rendimiento de dos enfoques distintos para prever el peligro extremo de incendios con plazos de anticipación de dos a tres semanas durante el período de 2003 a 2017: el modelo dinámico de simulación climática oficial de Australia y un modelo estadístico basado en factores climáticos. Empleamos regresión logística lineal para desarrollar el modelo estadístico, evaluando la influencia de factores climáticos individuales mediante regresión lineal simple. El rendimiento de ambos modelos se evaluó a través de estudios de caso de tres eventos extremos significativos de incendios en Australia: los incendios de Canberra (2003), Black Saturday (2009) y Pinery (2015). Los resultados revelaron que ACCESS-S2 generalmente subestimó la extensión espacial de los tres eventos extremos de FBI, pero con puntuaciones de precisión que oscilaban entre 0.66 y 0.86 en los estudios de caso. Por el contrario, el modelo estadístico tendió a sobreestimar el área afectada por el FBI extremo, con altas tasas de falsas alarmas entre 0.44 y 0.66. Sin embargo, el modelo estadístico demostró puntuaciones de probabilidad de detección más altas, que oscilaban entre 0.57 y 0.87 en comparación con 0.03 a 0.57 para el modelo dinámico. Estos hallazgos destacan las fortalezas y limitaciones complementarias de ambos enfoques de previsión. La integración de modelos dinámicos y estadísticos con una comunicación transparente de sus incertidumbres podría mejorar potencialmente la precisión y reducir las falsas alarmas. Esto se puede lograr a través de previsiones híbridas, combinadas con inspección visual y comparación entre las previsiones estadísticas y dinámicas. La previsión híbrida también tiene el potencial de aumentar los plazos de anticipación de las previsiones a varios meses, lo que en última instancia ayuda en la toma de decisiones y la asignación de recursos para la gestión de incendios.
Descripción
La creciente frecuencia y duración de eventos de incendios severos en Australia hace aún más necesaria una previsión precisa y oportuna para mitigar sus consecuencias. Este estudio evaluó el rendimiento de dos enfoques distintos para prever el peligro extremo de incendios con plazos de anticipación de dos a tres semanas durante el período de 2003 a 2017: el modelo dinámico de simulación climática oficial de Australia y un modelo estadístico basado en factores climáticos. Empleamos regresión logística lineal para desarrollar el modelo estadístico, evaluando la influencia de factores climáticos individuales mediante regresión lineal simple. El rendimiento de ambos modelos se evaluó a través de estudios de caso de tres eventos extremos significativos de incendios en Australia: los incendios de Canberra (2003), Black Saturday (2009) y Pinery (2015). Los resultados revelaron que ACCESS-S2 generalmente subestimó la extensión espacial de los tres eventos extremos de FBI, pero con puntuaciones de precisión que oscilaban entre 0.66 y 0.86 en los estudios de caso. Por el contrario, el modelo estadístico tendió a sobreestimar el área afectada por el FBI extremo, con altas tasas de falsas alarmas entre 0.44 y 0.66. Sin embargo, el modelo estadístico demostró puntuaciones de probabilidad de detección más altas, que oscilaban entre 0.57 y 0.87 en comparación con 0.03 a 0.57 para el modelo dinámico. Estos hallazgos destacan las fortalezas y limitaciones complementarias de ambos enfoques de previsión. La integración de modelos dinámicos y estadísticos con una comunicación transparente de sus incertidumbres podría mejorar potencialmente la precisión y reducir las falsas alarmas. Esto se puede lograr a través de previsiones híbridas, combinadas con inspección visual y comparación entre las previsiones estadísticas y dinámicas. La previsión híbrida también tiene el potencial de aumentar los plazos de anticipación de las previsiones a varios meses, lo que en última instancia ayuda en la toma de decisiones y la asignación de recursos para la gestión de incendios.