Drivers of global wildfires : statistical analyses

Författare

Hongxiao Jin

Summary, in 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 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.

Avdelning/ar