Advanced

Drivers of global wildfires : statistical analyses

Jin, Hongxiao (2010) In Lunds universitets Naturgeografiska institution - Seminarieuppsatser
Dept of Physical Geography and Ecosystem Science
Abstract (Swedish)
Bränder utgör en viktig roll i jordens system. Det är kritiskt för oss att förstå bränder och dess
drivkrafter, för att på så sätt kunna förutspå brändernas förändring på grund av
klimatförändring. Den här studien använder sig av Moderate Resolution Imaging
Spectroradiometer (MODIS) brandens area produkt MCD45A1 för att karakterisera bränder.
Högupplöst data är omformaterad till 0.25° × 0.25° cellstorlek för att kunna beräkna burned
area ratio (BAR) och datum för branden, vilket visar ett nytt mönster för perioden April 2000
till Mars 2009.
Klimat, marktäcke, topografi och diverse antroprogena och naturliga dataset utforskas och
formateras till 0.25 graders upplösning. Den här studien använder sedan Pearson korrelationen
och... (More)
Bränder utgör en viktig roll i jordens system. Det är kritiskt för oss att förstå bränder och dess
drivkrafter, för att på så sätt kunna förutspå brändernas förändring på grund av
klimatförändring. Den här studien använder sig av Moderate Resolution Imaging
Spectroradiometer (MODIS) brandens area produkt MCD45A1 för att karakterisera bränder.
Högupplöst data är omformaterad till 0.25° × 0.25° cellstorlek för att kunna beräkna burned
area ratio (BAR) och datum för branden, vilket visar ett nytt mönster för perioden April 2000
till Mars 2009.
Klimat, marktäcke, topografi och diverse antroprogena och naturliga dataset utforskas och
formateras till 0.25 graders upplösning. Den här studien använder sedan Pearson korrelationen
och generaliserad linjär korrelation analys för att uppskatta förhållandet mellan års
genomsnittlig BAR och potentiella brand drivkrafter vilka är, års genomsnittlig mark
temperatur, års genomsnittligt nederbörd, grästäcke, skogtäcke, befolknings densitet, odlings
procent, tätorts täckning, näringsämnen, topografi, mellan årliga och inom årliga variationer i
nederbörd, nederbörd under brandsäsong och icke-brandsäsong. Analyserna är utförda i både
regional och global skala. Optimalt generaliserad linjär modell (GLM) är erhållen genom en
automatisk stegvis regression både för global och regional data. Den slumpmässiga skogs
regressionen är också genomförd för att kunna jämföra med resultatet från GLM analyser.
Bland alla dom förklarande variablerna är det års genomsnittlig temperatur som har det
närmaste förhållandet till års genomsnittlig BAR och efter den följer grästäcket. Varje region
har något olika sekvenser av drivkrafter till bränder. De regionala GLMerna ger en bättre
förutsägelse än global GLM och slumpmässig skog. Den slumpmässiga globala skogs
regressionen är överlägsen den globala GLMen. (Less)
Abstract
Wildfires play an important role in the earth system. Understanding the relationship between
wildfires and their drivers is critical for us to predict fire regime transformations under the
changing climate and anthropogenic influences. This study used the novel Moderate
Resolution Imaging Spectroradiometer (MODIS) burned area product MCD45A1 to
characterize wildfires. The high resolution data were regridded at 0.25° × 0.25° cellsize to
calculate the wildfire burned area ratio (BAR) and burn date, which show a new pattern of
global wildfires from April 2000 to March 2009.
Climate, land cover, topography, and various anthropogenic and natural datasets were
explored and gridded into 0.25° resolution. This study then used Pearson... (More)
Wildfires play an important role in the earth system. Understanding the relationship between
wildfires and their drivers is critical for us to predict fire regime transformations under the
changing climate and anthropogenic influences. This study used the novel Moderate
Resolution Imaging Spectroradiometer (MODIS) burned area product MCD45A1 to
characterize wildfires. The high resolution data were regridded at 0.25° × 0.25° cellsize to
calculate the wildfire burned area ratio (BAR) and burn date, which show a new pattern of
global wildfires from April 2000 to March 2009.
Climate, land cover, topography, and various anthropogenic and natural datasets were
explored and gridded into 0.25° resolution. This study then used Pearson correlation and
generalized linear correlation analyses to estimate the relationship between the mean annual
BAR and possible fire drivers, including the mean annual surface air temperature, mean
annual rainfall, grass cover, forest cover, population density, cultivation percentage, urban
cover, nutrient availability, topographical roughness, inter-annual and intra-annual variability
of rainfall, rainfalls in fire season and non-fire season. The analyses were done at both global
and regional scales. Optimal generalized linear models (GLMs) were obtained by automatic
stepwise regression for the globe and each region. The random forest regression was also
carried out to compare the results from GLM analyses.
Among all the explanatory variables, the mean annual temperature has the closest relationship
with the mean annual BAR, and the next most important driver is the grass cover. Each region
has slightly different sequences of wildfire drivers. The regional GLMs have better prediction
performance than the global GLM and the random forest. The global random forest regression
is superior to the global GLM. (Less)
Please use this url to cite or link to this publication:
author
Jin, Hongxiao
supervisor
organization
year
type
H2 - Master's Degree (Two Years)
subject
keywords
Pearson correlation, MODIS burned area product, BAR, random forest, GLM
publication/series
Lunds universitets Naturgeografiska institution - Seminarieuppsatser
report number
175
language
English
id
1857550
date added to LUP
2011-03-21 11:08:44
date last changed
2011-12-20 10:57:06
@misc{1857550,
  abstract     = {Wildfires play an important role in the earth system. Understanding the relationship between
wildfires and their drivers is critical for us to predict fire regime transformations under the
changing climate and anthropogenic influences. This study used the novel Moderate
Resolution Imaging Spectroradiometer (MODIS) burned area product MCD45A1 to
characterize wildfires. The high resolution data were regridded at 0.25° × 0.25° cellsize to
calculate the wildfire burned area ratio (BAR) and burn date, which show a new pattern of
global wildfires from April 2000 to March 2009.
Climate, land cover, topography, and various anthropogenic and natural datasets were
explored and gridded into 0.25° resolution. This study then used Pearson correlation and
generalized linear correlation analyses to estimate the relationship between the mean annual
BAR and possible fire drivers, including the mean annual surface air temperature, mean
annual rainfall, grass cover, forest cover, population density, cultivation percentage, urban
cover, nutrient availability, topographical roughness, inter-annual and intra-annual variability
of rainfall, rainfalls in fire season and non-fire season. The analyses were done at both global
and regional scales. Optimal generalized linear models (GLMs) were obtained by automatic
stepwise regression for the globe and each region. The random forest regression was also
carried out to compare the results from GLM analyses.
Among all the explanatory variables, the mean annual temperature has the closest relationship
with the mean annual BAR, and the next most important driver is the grass cover. Each region
has slightly different sequences of wildfire drivers. The regional GLMs have better prediction
performance than the global GLM and the random forest. The global random forest regression
is superior to the global GLM.},
  author       = {Jin, Hongxiao},
  keyword      = {Pearson correlation,MODIS burned area product,BAR,random forest,GLM},
  language     = {eng},
  note         = {Student Paper},
  series       = {Lunds universitets Naturgeografiska institution - Seminarieuppsatser},
  title        = {Drivers of global wildfires : statistical analyses},
  year         = {2010},
}