Drivers of global wildfires : statistical analyses

Abstract: 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.