The development and implementation of a human-caused wildland fire occurrence prediction system for the province of Ontario, Canada

We describe the development and implementation of an operational human-caused wildland fire occurrence prediction (FOP) system in the province of Ontario, Canada. A suite of supervised statistical learning models was developed using more than 50 years of high-resolution data over a 73.8 million ha study area, partitioned into Ontario's Northwest and Northeast Fire Management Regions. A stratified modelling approach accounts for different seasonal baselines regionally and for a set of communities in the Far North. Response-dependent sampling and modelling techniques using logistic generalized additive models are used to develop a fine-scale, spatiotemporal FOP system with models that include nonlinear relationships with key predictors. These predictors include inter- and intra-annual temporal trends, spatial trends, ecological variables, fuel moisture measures, human land-use characteristics, and a novel measure of human activity. The system produces fine-scale, spatially explicit maps of daily probabilistic human-caused FOP based on locally observed conditions along with point and interval predictions for the expected number of fires in each region. A simulation-based approach for generating the prediction intervals is described. Daily predictions were made available to fire management practitioners through a custom dashboard and integrated into daily regional planning to support detection and fire suppression preparedness needs. Key words: fire management, forest fire occurrence, person-caused, prediction interval, wildfire occurrence. Nous traitons du developpement et de la mise en oeuvre d'un systeme operationnel de prevision de l'occurrence des feux de foret (POF) d'origine humaine dans la province d'Ontario, au Canada. Une suite de modeles d'apprentissage statistique supervise a ete developpee en utilisant plus de 50 annees de donnees a haute resolution couvrant une aire d'etude de 73,8 millions d'hectares repartis dans les regions de gestion du feu du nord-ouest et du nord-est. Une approche de modelisation stratifiee tient compte a l'echelle regionale de differents niveaux de reference saisonniers et pour un ensemble de communautes de l'extreme nord. Des techniques de modelisation et d'echantillonnage dependantes de la reaction utilisant des modeles logistiques additifs generalises ont servi a elaborer un systeme de POF spatio-temporel a fine echelle avec des modeles qui incluent des relations non lineaires avec des variables predictives cles. Ces variables predictives incluent des tendances temporelles intra-annuelles, des tendances spatiales, des variables ecologiques, des mesures de teneur en humidite des combustibles, des caracteristiques de l'utilisation des terres par l'homme et une nouvelle mesure de l'activite humaine. Le systeme produit des cartes a fine echelle spatialement explicites qui illustrent la probabilite quotidienne de la POF d'origine humaine sur la base des conditions observees localement avec une prevision ponctuelle et un intervalle du nombre attendu de feux dans chaque region. Une approche fondee sur la simulation pour generer les intervalles de prevision est decrite. Les previsions quotidiennes ont ete mises a la disposition des responsables de la gestion du feu par l'entremise d'un tableau de bord personnalise et integrees dans la planification regionale quotidienne en support aux besoins de preparation pour la detection et la suppression des feux. [Traduit par la Redaction] Mots-cles: gestion du feu, occurrence des feux de foret, d'origine humaine, intervalle de prevision, occurrence des feux de vegetation.
1. Introduction 1.1. The need for and importance of fire occurrence prediction (FOP) systems Although the province of Ontario's forest fire management organization dates back as far as 1878 with [...]