Skip to main content

High-resolution forest fire weather index computations using satellite remote sensing

Buy Article:

$50.00 plus tax (Refund Policy)


Wildfires are important in regions dominated by forest, such as found in large parts of Canada. The principal objective of this study was to provide homogeneously distributed indices for the Canadian Fire Weather Index (FWI) System. The FWI was calculated using four sets of input variables: meteorological station measurements (OBS); weather forecast model output (SIM); meteorological station measurements and remote sensing estimations combined (SAT1); and weather forecast model output and remote sensing estimations combined (SAT2). Remote sensing parameterization of air temperature and relative humidity was performed. The air temperature and relative humidity reproduced showed good agreement with ground-based measurements (R2 = 0.77 and SE = 1.48°C; R2 = 0.73 and SE = 5%, respectively). For the FWI regionalized using this requirement, category SAT1 showed the best fit. Category SAT2 produced more precise results (0.09 to 2.19% of the normalized root mean square error) versus SIM.

Les feux sont importants dans les régions dominées par la forêt comme c'est en grande partie le cas au Canada. L'objectif principal de cette étude était de fournir des indices forêt-météo ayant une distribution spatiale homogène. Les indices forêt-météo ont été calculés à l'aide de quatre groupes de données : les données de station météorologiques (OBS); les résultats d'un modèle de prévisions météorologiques (SIM); les données de stations météorologiques combinées à des estimations obtenues par télédétection (SAT1); les résultats d'un modèle de prévisions météorologiques combinés à des estimations obtenues par télédétection (SAT2). Dans le cas de la télédétection, le paramétrage a été effectué pour la température de l'air et l'humidité relative. Les valeurs obtenues pour la température de l'air et l'humidité relative étaient assez près des mesures observées sur le terrain (R2 = 0,77 et erreur type = 1,48 °C; R2 = 0,73 et erreur type = 5 %). Dans le cas des indices régionaux, le meilleur ajustement a été obtenu avec les données SAT1. Sur la base de l'erreur moyenne quadratique normalisée (0,09 vs 2,19 %), les résultats obtenus avec les données SAT2 étaient plus précis que les résultats obtenus avec les données SIM.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: 2003-06-01

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free ContentFree content
  • Partial Free ContentPartial Free content
  • New ContentNew content
  • Open Access ContentOpen access content
  • Partial Open Access ContentPartial Open access content
  • Subscribed ContentSubscribed content
  • Partial Subscribed ContentPartial Subscribed content
  • Free Trial ContentFree trial content
Cookie Policy
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more