DOI: https://doi.org/10.1007/s10651-025-00645-x
تاريخ النشر: 2025-03-01
المؤلف: Nicoletta D’Angelo وآخرون
الموضوع الرئيسي: عمليات النقاط وعدم المساواة الهندسية
نظرة عامة
تستخدم هذه الدراسة نظرية العمليات النقطية لتحليل الزيادة في حوادث الحرائق غير المسيطر عليها في صقلية، مع التركيز على ديناميكياتها المكانية والزمنية. من خلال اعتبار كل حريق كنقطة مميزة في كل من الفضاء والزمن، تبحث الدراسة في تأثير العوامل البيئية والبشرية المختلفة على توزيع الحرائق. يتم استخدام نموذج بواسون المكاني الزمني غير القابل للفصل لتقييم تأثير أنواع استخدام الأراضي مع التحكم في المتغيرات البيئية الأخرى. تكشف النتائج أن الأنشطة البشرية، والارتفاع، والانحدار تؤثر بشكل كبير على حدوث الحرائق، إلى جانب المتغيرات البيئية مثل الحد الأقصى لدرجة الحرارة اليومية، وسرعة الرياح، والضغط السطحي، وإجمالي هطول الأمطار.
لتحسين أداء النموذج والرؤى المستخلصة، يتم تركيب نسخة محلية من النموذج المقترح، مما يسمح بفهم دقيق لكيفية اختلاف تأثيرات المتغيرات البيئية على حدوث الحرائق عبر أوقات ومواقع مختلفة. تسهم هذه البحث في مجال نمذجة العمليات النقطية المكانية الزمنية من خلال دمج مصادر بيانات متنوعة ذات دقة مكانية وزمنية متفاوتة وتقدم برنامجًا مفتوح المصدر متاحًا حديثًا لتقدير مثل هذه النماذج. تؤكد الدراسة على أهمية معالجة القضايا البيئية من خلال أساليب نمذجة متطورة ولكن قابلة للتفسير تشبه نماذج الانحدار.
مقدمة
تسلط مقدمة الورقة الضوء على الزيادة المقلقة في الحرائق غير المسيطر عليها في صقلية، التي أصبحت المنطقة الإيطالية الأكثر تأثرًا بمثل هذه الأحداث، مما أدى إلى مناطق محترقة واسعة. تم تحديد الأسباب الرئيسية لهذه الحرائق على أنها طبيعية (مثل البرق) وبشرية، حيث تعتبر الحرائق المتعمدة مساهمًا كبيرًا، خاصة في المناطق التي تلتقي فيها الغطاء النباتي بالبيئات الحضرية. يؤكد المؤلفون على الحاجة الملحة إلى منهجيات تحليل متقدمة لفهم الديناميات المكانية والزمنية لحدوث الحرائق، خاصة في ضوء موسم الحرائق البارز الأخير في عام 2023. تعتبر طرق تحليل الحرائق التقليدية، التي غالبًا ما تعتمد على الإحصائيات الوصفية، غير كافية لالتقاط التفاعلات المعقدة للعوامل البيئية والمناخية والبشرية.
لمعالجة هذه الفجوة، تدعو الورقة إلى استخدام منهجية العمليات النقطية لتحليل أنماط الحرائق في صقلية. تعالج هذه الطريقة كل حدث حريق كنقطة في إطار مكاني وزمني، مما يسمح بفحص مفصل للمتنبئين المحتملين الذين يؤثرون على إشعال الحرائق. يقترح المؤلفون نموذج عملية بواسون المكاني الزمني غير القابل للفصل لتحليل بيانات الحرائق لعام 2023، مع التركيز على كيفية تأثير استخدام الأراضي، إلى جانب متغيرات بيئية مختلفة مثل درجة الحرارة وسرعة الرياح، على حدوث الحرائق. تهدف الدراسة إلى تقديم رؤى حول التباينات المحلية لهذه التأثيرات، متناقضة النماذج العالمية مع النماذج المحلية التي تأخذ في الاعتبار التباين المكاني والزمني. تعد الورقة بمساهمة كبيرة في فهم ديناميات الحرائق في صقلية، باستخدام مصادر بيانات متنوعة وتقنيات إحصائية متقدمة لتعزيز استراتيجيات إدارة الحرائق.
الطرق
تتضمن المنهجية الموضحة في هذا القسم حزمة stopp R (D’Angelo و Adelfio 2024b، ج) وتستخدم مخطط تكعيبي لتقريب التكاملات في النماذج المكانية الزمنية. تبدأ العملية بإعادة تسمية نقاط البيانات كـ \( x_1، \ldots، x_n \) وتوليد \( m \) نقاط “وهمية” إضافية لإنشاء إجمالي \( n + m \) نقاط تكعيبية، حيث \( m > n \). يتم تحديد أوزان التكعيب \( a_1، \ldots، a_m \) لتقريب التكاملات من خلال مجموع ريمان، مع ضمان أن \( \sum_{k=1}^{n+m} a_k = (W \times T) \). يتم تقريب اللوغاريتم الاحتمالي للنموذج النموذجي، مما يؤدي إلى صياغة تشبه اللوغاريتم الاحتمالي الموزون لنموذج الانحدار بواسون، والذي يمكن تعظيمه باستخدام نماذج خطية عامة (GLM).
لتناسب نماذج عملية بواسون المكاني الزمني مع كثافة من الدرجة الأولى تعتمد على المتغيرات الخارجية، من الضروري أن تكون قيم المتغيرات المتاحة في كل موقع نقطة بيانات ونقطة وهمية. قد تتطلب هذه المتطلبات جهدًا إضافيًا، خاصة عندما لا يتماشى أخذ عينات المتغيرات مع مواقع النقاط. يمكن استخدام تقنيات التنعيم المكاني المختلفة، مثل وزن المسافة العكسية، وزن نواة غاوسي، كريغينغ، وتداخل الجيران الأقرب، لمعالجة هذه المشكلة. في التطبيق المحدد الذي تم مناقشته، كانت دقة المتغيرات كافية، مما يسمح باستخدام أقرب قيمة ملحوظة دون مزيد من التنعيم.
النتائج
في هذا القسم، يقدم المؤلفون نتائج تحليلهم المكاني الزمني لبيانات الحرائق، باستخدام نموذج بواسون المكاني الزمني غير القابل للفصل لتقييم أهمية المتغيرات المكانية الزمنية المختلفة وتأثيرها على شدة الحرائق. يكشف التحليل أن تأثيرات المتغيرات البيئية ليست موحدة، حيث تظهر تباينًا عبر كل من الزمن والمكان.
لتحسين ملاءمة النموذج للبيانات، يقوم المؤلفون بعد ذلك بتطبيق نسخة محلية من النموذج الأولي، مما يوفر رؤى أعمق حول التأثيرات البيئية على حدوث الحرائق. توضح التحليل المقارن بين النموذجين أن النموذج المحلي يقدم ملاءمة أفضل، مما يبرز فعاليته في التقاط تعقيدات الديناميات المكانية الزمنية لحدوث الحرائق.
المناقشة
في هذا القسم، يصف المؤلفون البيانات المستخدمة لتحليل نمط النقاط المكانية الزمنية للحرائق في صقلية خلال عام 2023، المستمدة من نظام معلومات الحرائق لإدارة الموارد (FIRMS). تتكون مجموعة البيانات من 10,656 حدث حريق، مع تركيزات كبيرة لوحظت في صقلية، خاصة خلال أشهر الصيف، ولا سيما يوليو. يبرز التحليل أن أكثر من 90% من الحرائق وقعت في مناطق غابات أو زراعية، على الرغم من أن الأسطح الاصطناعية أظهرت أعلى شدة حرائق لكل منطقة. كما يدمج المؤلفون متغيرات مختلفة، بما في ذلك تصنيفات استخدام الأراضي من مجموعة بيانات CORINE لتغطية الأراضي، وبيانات الارتفاع والانحدار من نموذج الارتفاع الرقمي، ومؤشر الفرق النباتي المعياري (NDVI) لتقييم صحة الغطاء النباتي.
تشير النتائج إلى أن قيم NDVI الأعلى ترتبط بانخفاض حدوث الحرائق، مما يشير إلى أن الغطاء النباتي الأكثر كثافة أكثر مقاومة للحرائق. بالإضافة إلى ذلك، يكشف التحليل أن الارتفاع والانحدار يؤثران بشكل إيجابي على شدة الحرائق، بينما تزيد سرعة الرياح، وخاصة من السيروكو، بشكل كبير من عدد الحرائق. يستخدم المؤلفون نموذج بواسون المكاني الزمني غير القابل للفصل لأخذ تفاعلات المتغيرات المكانية والزمنية في الاعتبار، مؤكدين أن نمط حدوث الحرائق ليس قابلًا للفصل، مما يستلزم نهج نمذجة أكثر تعقيدًا. تؤكد النتائج على العلاقات المعقدة بين العوامل البيئية وديناميات الحرائق في المنطقة.
DOI: https://doi.org/10.1007/s10651-025-00645-x
Publication Date: 2025-03-01
Author(s): Nicoletta D’Angelo et al.
Primary Topic: Point processes and geometric inequalities
Overview
This study employs point process theory to analyze the increasing incidence of uncontrolled fires in Sicily, focusing on their spatio-temporal dynamics. By treating each fire as a distinct point in both space and time, the research investigates the impact of various environmental and anthropogenic factors on fire distribution. A non-separable spatiotemporal Poisson model is utilized to assess the influence of land use types while controlling for other environmental covariates. The findings reveal that human activities, altitude, and slope significantly affect fire occurrences, alongside environmental variables such as maximum daily temperature, wind speed, surface pressure, and total precipitation.
To enhance model performance and insights, a local version of the proposed model is fitted, allowing for a nuanced understanding of how the effects of environmental covariates on fire occurrences vary across different times and locations. This research contributes to the field of spatio-temporal point process modeling by integrating diverse data sources with varying spatio-temporal resolutions and offers newly available open-source software for estimating such models. The study underscores the importance of addressing environmental issues through sophisticated yet interpretable modeling approaches akin to regression models.
Introduction
The introduction of the paper highlights the alarming rise in uncontrolled fires in Sicily, which has become the Italian region most affected by such events, resulting in extensive burned areas. The primary causes of these fires are identified as both natural (e.g., lightning) and human-induced, with arson being a significant contributor, particularly in areas where vegetation meets urban environments. The authors emphasize the urgent need for advanced analytical methodologies to understand the spatio-temporal dynamics of fire occurrences, particularly in light of the recent pronounced fire season in 2023. Traditional fire analysis methods, which often rely on descriptive statistics, are deemed insufficient for capturing the complex interactions of environmental, climatic, and anthropogenic factors.
To address this gap, the paper advocates for the use of point process methodology to analyze fire patterns in Sicily. This approach treats each fire event as a point in a spatial and temporal framework, allowing for a detailed examination of potential predictors influencing fire ignition. The authors propose a non-separable spatio-temporal Poisson point process model to analyze the 2023 fire data, focusing on how land use, along with various environmental variables such as temperature and wind speed, affects fire occurrences. The study aims to provide insights into the local variations of these influences, contrasting global models with localized models that account for spatial and temporal variability. The paper promises to contribute significantly to the understanding of fire dynamics in Sicily, utilizing diverse data sources and advanced statistical techniques to enhance wildfire management strategies.
Methods
The methodology outlined in this section is implemented in the stopp R package (D’Angelo and Adelfio 2024b, c) and involves a cubature scheme for approximating integrals in spatio-temporal models. The process begins by renaming data points as \( x_1, \ldots, x_n \) and generating \( m \) additional “dummy points” to create a total of \( n + m \) cubature points, where \( m > n \). Cubature weights \( a_1, \ldots, a_m \) are determined to approximate integrals through a Riemann sum, ensuring that \( \sum_{k=1}^{n+m} a_k = (W \times T) \). The log-likelihood of the template model is approximated, leading to a formulation that resembles the weighted log-likelihood of a Poisson regression model, which can be maximized using Generalized Linear Models (GLM).
To fit spatio-temporal Poisson point process models with first-order intensity dependent on external covariates, it is essential to have the covariate values at each data and dummy point location. This requirement may necessitate additional effort, particularly when covariate sampling does not align with point locations. Various spatial smoothing techniques, such as inverse-distance weighting, Gaussian kernel weighting, kriging, and nearest neighbors interpolation, can be employed to address this issue. In the specific application discussed, the spatial resolution of the covariates was sufficiently detailed, allowing for the use of the nearest observed value without further smoothing.
Results
In this section, the authors present the results of their spatio-temporal analysis of fire data, utilizing a non-separable spatio-temporal Poisson model to evaluate the significance of various spatio-temporal covariates and their impact on fire intensity. The analysis reveals that the effects of environmental covariates are not uniform, exhibiting variability across both time and space.
To enhance the model’s fit to the data, the authors subsequently apply a local version of the initial model, which provides deeper insights into the environmental influences on fire occurrences. A comparative analysis between the two models demonstrates that the local model offers a superior fit, underscoring its effectiveness in capturing the complexities of the spatio-temporal dynamics of fire events.
Discussion
In this section, the authors describe the data utilized for analyzing the spatio-temporal point pattern of fires in Sicily during 2023, sourced from the Fire Information for Resource Management System (FIRMS). The dataset comprises 10,656 fire events, with significant concentrations observed in Sicily, particularly during the summer months, notably July. The analysis highlights that over 90% of fires occurred in forest or agricultural areas, although artificial surfaces exhibited the highest fire intensity per area. The authors also incorporate various covariates, including land use classifications from the CORINE Land Cover dataset, elevation and slope data from a Digital Elevation Model, and the Normalized Difference Vegetation Index (NDVI) to assess vegetation health.
The findings indicate that higher NDVI values correlate with lower fire occurrences, suggesting that denser vegetation is more resistant to fires. Additionally, the analysis reveals that elevation and slope positively influence fire intensity, while wind speed, particularly from the Scirocco, significantly increases fire counts. The authors employ a non-separable spatio-temporal Poisson model to account for the interactions between spatial and temporal variables, confirming that the fire occurrence pattern is not separable, thus necessitating a more complex modeling approach. The results underscore the intricate relationships between environmental factors and fire dynamics in the region.