雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际先进研究期刊》的研究在电子、电子、仪表工程

菜单

ISSN在线(2278 - 8875)打印(2320 - 3765)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

仪器的不确定性的影响森林火灾危险指数(FFDI)

M.Alzoubi1,一个。MaungThan Oo2,A.Stojcevski3
  1. 博士生,部门,工程学院,理学院工程和建筑环境,澳大利亚迪肯大学
  2. 助理居屋计划(教学),部门,工程学院,理学院工程和建筑环境,澳大利亚迪肯大学
  3. 教授,部门,工程学院,理学院工程和建筑环境,澳大利亚迪肯大学
相关文章Pubmed,谷歌学者

访问更多的相关文章国际先进研究期刊》的研究在电子、电子、仪表工程

国际先进研究期刊》的研究在电子、电子、仪表工程

文摘

麦克阿瑟森林火灾危险指数(FFDI)已经使用在澳大利亚自1960年开发和使用的消防局测量火灾危险的水平。它的价值取决于干旱因素是基于干燥天气燃料和其他变量因素如温度、相对湿度、降水、风速和风力的方向。FFDI输出的测量精度取决于输入变量的准确性,不准确和不确定性FFDI这些输入可能会导致不正确的值。FFDI的价值增加了更多的影响不准确的风速、温度和湿度。山火预测系统的灵敏度取决于仪器用来测量输入数据准确性。

关键字
FFDI、准确性、不确定性、山火、天气变量. .

介绍
全球有重大研究活动有关的早期预警和疏散系统以防山火灾害。罗斯福系统是最重要的一个工具,用于早期预警系统。火灾危险指数的例子包括在澳大利亚东部的麦克阿瑟in1960s[1],吉尔等人年[2],切尼和沙利文,1997 [3]。这些工作在澳大利亚西部Sneeuwjagt和皮特,1985 [4]。但是没有这样的调查或研究活动突出了仪器用来测量准确性的影响FFDI系统的输入参数。因此本文将研究和分析仪器FFDI系统的不确定性的影响。
在澳大利亚山火频繁的事件。他们是一个组合的计量、物理、社会和生物过程。干燥的天气,风和高温通常与山火相关联。山火可以自然或由人类引起的。雷击产生雷暴引起山火的大部分做的自然,而人类活动负责山火在公共土地上,人类引起的森林大火的一些示例,篝火当人们离开篝火不完全或者农业燃烧时,农民在他们的农场或燃烧植被从设备或机械或故意产生热量。山火已经成为一个主要的环境问题在澳大利亚东南部[5][6][7]。然而,山火的影响不应被视为仅仅是作为环境灾难的问题像空气污染,水资源破坏和干旱也应该被视为社会和经济问题。保护个人、社会和属性是政府部门和机构的主要担忧随着山火变得可重复的现象在澳大利亚[6][8][9]。
计量数据包括温度、风速和方向;大气压力;预测降雨和相对湿度起到关键作用的潜力发生森林大火,火灾危险性和火灾的行为方式尤其是风速和温度。他们在火上产生直接和间接影响扩大的能力。精确的计量数据预测有潜力好的计划分配资源和志愿者成员应对山火[10][11][12][5]。
山火是澳大利亚的共同特征和准确预测森林火险预测潜在的火灾和控制是至关重要的火当它的发生而笑。澳大利亚麦克阿瑟森林火险广泛用于预测火灾危险[13][14]。火灾危险指数被定义为合成两个变量和常量的火灾危险因素影响火的开始,传播和管理的难度和控制的森林大火。这些元素的集成可以被转换成一个或多个数值索引。这个指数称为火灾危险指数取决于四个主要元素,干旱系数、相对湿度、温度和风速[15][16]。天气元素的准确的数据是非常重要的火灾危险水平的准确评估和山火成功操作。
气象数据的准确性可以成功努力控制森林大火和浓烟。除了它的非常有用的工具来预测火灾危险,小误差小等气象数据误差或不确定性在风速阅读会导致错误的评估在火灾危险指数[17][18][19]。
精确度的山火发生预测系统依赖于系统适用于一个给定的情况下,系统的有效性关系和系统输入数据的可靠性。

二世。森林火险等级预报系统和指标
第一个火灾危险系统是安装在澳大利亚在1960年代。系统的主要目的是保护人民和他们的属性从火蔓延的危险。它有能力从森林大火的危险警告人们通过机构和政府当局可以减少生活损失和属性伤害。在澳大利亚,火灾危险决定使用麦克阿瑟的森林和草原火灾危险米。麦克阿瑟火灾危险指数或计是使用最广泛的指数在澳大利亚,其基于统计系统。山火的发生取决于风速、温度、相对湿度、燃料和燃料的水分。天气变量和类型的燃料在这个系统中起关键作用[20][21][22]。
火灾危险等级系统是用于评估潜在的森林大火发生,火势蔓延和灭火的困难。通常情况下,火灾危险评分系统将气象信息与水分含量的估计燃料产生火灾危险指数。
当山火的发生和发展,取决于很多因素。这些因素共同创建交互影响着火的火灾的主要因素是气象参数、环境因素和燃料的性质,其中的一些因素变量,如风速、温度、湿度、固化程度…等。而恒定的因素,如污水的土地。许多方法开发天气和燃料因素转化为火灾危险指数,这个指数显示火灾危险的水平,可能威胁到人们[22][23][10]。
有很多火灾危险指数风速影响因素被认为是主要的重要的因素之一,影响火灾发生,它被认为是最重要的因素,确定方向和山火蔓延的速度,因为它提供了火氧气和推动火焰火向未燃尽的燃料。此外,燃料和天气条件在山火是主要因素。
山火发生复杂的化学和物理过程。这个过程取决于三个主要因素是天气参数是高度可变的时间、地形和燃料(植被)。此外,这些因素在山火的行为有很大的影响和方向[10][24][6]。
天气:
一个¯‚·空气温度
一个¯‚·风
一个¯‚·相对湿度
一个¯‚·降水
一个¯‚·空气稳定
地形:
一个¯‚·坡的倾向
一个¯‚·坡的方向
一个¯‚·沟壑
燃料:
一个¯‚·含水率
一个¯‚·大小和字符的燃料(紧凑或磨燃料)
一个¯‚·热含量
一个¯‚·数量的燃料
一个¯‚·连续性的燃料
一个¯‚·类型的燃料
需要三个气候变量计算森林火险指数是温度、相对湿度和风速。这些变量影响的火灾可以开始。而雨干旱影响因素和大气压力的间接影响风速和风向[24][14][6]。图1显示了在澳大利亚FFDI系统。
图像

三世。火灾危险指数
火灾危险等级(罗斯福)是一种评估潜在的森林大火的行为和以前提供的丛林大火条件、威胁和对社区和环境的潜在影响森林大火发生在给定的一天[25][13]。自2009年在维多利亚黑色星期六,一个标准化的火灾危险等级(罗斯福)采用澳大利亚的所有国家。它的使命是提供消防天气预报包括温度、风速和风向、相对湿度和干燥的植被在火灾季节森林大火机构和当局确定适当的火灾危险等级表2显示了火灾危险等级分类和潜在火行为[11][9][26][12]。
森林火灾危险指数(FFDI)是主要的工具来确定在澳大利亚和火灾危险等级可以从下列方程计算[32]:
图像
其中T是温度(‹šC), U是风速(h -公里),RH是相对湿度(%)和DF是干旱的因素。
FFDI是基地使用的火灾危险分类方案在澳大利亚维多利亚,火灾危险水平分为低,温和,高,很高,严重,极端的或灾难性FFDI的值如表1所示。
图像

1。干旱的因素
旱灾的因素是衡量燃料的可用性或干燥条件的达夫和上层土壤层从总水分饱和没有可用的水分(干燥燃料)[27][5][10]。的实证估计燃料的水分含量(干燥可用的燃料燃烧)的数量取决于三个因素,第一个因素取决于最近明显降雨通过直接润湿了雨水和第二个因素取决于天自去年雨水和第三个因素取决于润湿从下面通过土壤水分可计算KeetchByram干旱指数(KBDI)被定义为总下雨在最近24小时降雨和降雨的数量需要恢复土壤湿度为200毫米。KBDI土壤干旱指数与值范围从0到800是基于土壤容量在200毫米的水。土壤的深度必须持有200的水分变化。长期的干旱(高KBDI)影响火灾强度很大程度上是因为燃料含水量较低[28][20][29]。干旱因子值的范围从0 - 10,零值的DF火的潜力很低由于燃料充分的水分随着DF的价值增加火灾增长的潜力。DF的价值10表明燃料非常干燥,没有水分和潜在的火灾是非常高的。
旱灾的因素是衡量燃料的水分受降雨影响,天数自去年下雨。干旱的因素可以从下列方程计算:
图像

2。燃料
干燥的燃料或燃料的比例所影响森林大火可能是一个重要的因素,燃料所内容的数量取决于干几天,燃料变得越干天准备迅速点燃。此外,大气压强、温度和相对湿度控制森林大火是重要的因素。因此,火灾危险性之间的关系成正比的风速和反向燃料含水量[10][24][14][6]。
载油量大时火将温度和燃烧的速度。当燃料集中足够的间距会燃烧速度比严重压实。小块的燃料,如树枝、树叶和树枝燃烧迅速,特别是当他们是干燥和松散排列。某些类型的草燃烧迅速,而更大的燃料,如树干,不那么容易燃烧[24][22][30][31]。
燃料含水量(FMC)是一种测量水分的数量(水)的燃料。燃料含水量或索引是燃料的水分重量百分比计算。例如,如果一个公斤燃料样品干,重700克,那么燃料含水量是43%。另一个例子,如果一个公斤燃料样品干,重800克,那么燃料含水量是25%。

3所示。地形
区域地形特征可以发挥重要作用在影响森林大火的行为和方向。方面,这些因素包括地形坡度高程和配置的土地。这些变化可能导致森林大火的行为戏剧性的变化[5][32]。

4所示。气象参数和测量精度
准确度、精密度和不确定性是用于连接玩火天气测量和危险等级水平。测量的准确性关系到设备中使用的字段或测量的技术。测量的准确性的亲密度的测量量的实际值。相关测量设备的精度通常repeatabilityand相关不变条件下重复测量的程度[25][18]。
测量设备可以准确但不精确,精确但不准确,不,或两者兼而有之。例如,如果一个实验结果包含一个系统误差增加样本大小将增加精度但并不能提高准确性。另一方面,减少或消除系统误差提高精度,但不会改变精度。当设备有精度±1单位。这意味着一系列的测量常数财产由仪器大多(99%的时间)在一个单位的正确价值[18][33][34]。
FDI每日计算为一个特定的区域会导致估计火的潜力这一领域。由于外国直接投资系统设计完全是气象参数的函数,预测FDI值可以计算出必要的天气预报值的参数[21][13]。
计算FDI的主要问题是难以预测风参数。外国直接投资计算风速参数非常敏感的小风速的变化将增加外商直接投资的价值取决于干旱因子值。现在传感器广泛用于测量计量变量和传感器有不同的测量精度取决于制造商和维护。传感器是一种转炉设备,检测并响应的一些类型的输入物理环境如温度、光、湿度、热、运动、风速、湿度、压力、或任何相关的环境现象。输出通常是一个信号,转化为人类可读的显示在传感器位置或电子传送通过网络阅读或进一步处理[35][36]。

温度(摄氏度)
温度是热或冷的数值测量。以度是热的空气质量。摄氏温标(°C)用于普通温度测量在大多数世界上有许多仪器市场的温度测量精度各不相同,取决于制造商。温度直接影响了山火的行为。高温负责增加草地和森林的温度燃料点火点。除了温度影响大气稳定和风速。燃料温度直接影响山火行为和扩散率[9][6][37]。
温度设备的准确性很大程度上依赖于制造商,但也会影响使用。温度的准确性会影响火灾危险指数的价值。

相对湿度(RH)
相对湿度是空气中水蒸气的量是测量作为一个百分比。大气中的水分的数量会影响水分的数量在草地上和森林的燃料。当湿度高山火不会传播因为草地和森林燃料含有大量的水分。相反当湿度低草和燃料水分水平会低。在这种情况下山火蔓延很快。在24小时内相对湿度的变化,它在下午时期最低和最高率在夜间和清晨这是由于直接从温度相对湿度的影响[12][11][6]。
一些仪器或设备的是相对湿度测量的现成的和负担得起的。这些设备可以提供准确的(加或减2到5%)相对湿度读数取决于环境因素如灰尘、水分、雾、和气态污染物会影响传感器。

风
风速的运动风的速度在距离单位时间。它会受到地形和障碍物的影响,如建筑物或树木。转杯风速表已经被用于风速。风速计是有用的,因为它旋转的风。杯风速计通常包括三个锥形或球形杯安装在一个旋转的轴。旋转的速度正比于风速[12][38][39]。
风速的准确性取决于适当的维护的杯子,录音机和电源。风速的范围是在总数的5%在正常条件下测量。
风是最重要的因素影响了山火行为由于煽动对火灾的影响;风可以改变方向和强度这意味着更多的燃烧和伤害。风在山火非常重要有以下原因:
一个¯‚·其供应氧气燃烧过程,使燃料燃烧更迅速。
一个¯‚·减少草地和森林水分增加燃料的干燥
一个¯‚·森林大火和热到燃料火的道路。
风效应的主要两个元素是方向和速度。这些元素通常与高到极端的火。风可以改变速度,方向也可以的。强和高风将使火而越来越快[6][12][40]。

风向
风向是定义为方向,风吹。风标也被称为风向标;它是一个工具,测量风向。例如,西风吹从西到东,从北到南北风吹。风向通常报道的基本方向。例如,给出风来自南方180度;一个来自东方的是90度。风向的仪器的准确性是正常状态在一个学位[34][10]。

大气压力
大气稳定是很重要的山火的抵抗大气垂直运动。大气不稳定将导致空气的垂直运动导致增加山火的活动。越多温差产生的山火在空气气氛将创建不稳定条件,然后在垂直和水平两个方向[10][24]。

降雨
雨对湿度有直接的影响和燃料水分,当降雨温度下降下来,风变得平静。降雨会抑制草地和森林的表面燃料火灾的阶段不能点燃燃料。降雨的数量直接影响干旱因子值[34][24][10]。

IV.RESULT和讨论
在本节中气象数据来自澳大利亚政府统计局收集计量两个地点从金莱克地区第一个位置(叫做差距站)和2014年1月的第二个位置是本迪戈山火的潜力非常高的地方。此外,我们提出一套不同的温度和风速值常数低相对湿度和分析这些变量之间的关系数据和FFDI以及天气变量传感器和设备的准确性会影响FFDI的价值。在我们的分析,我们提出不同的干旱的价值因素(DF)的价值5、7和9。
图像
+ 2 c, h + 2, + 5本迪戈ws
的数据温度、相对湿度和风速收集和分析本迪戈区域如图2所示的显示也主要天气变量之间的关系(温度、相对湿度和风速)和FFDI干旱价值因素的价值(5)和两个提出了天气变量不同的输入传感器精度。温度传感器(精度+ / - 1 c在第一种情况下,+ / - 2 c在第二种情况下),对湿度传感器(精度+ / - 1 RH在第一种情况下,+ / - 2 RH在第二种情况下)和风速传感器(精度+ / - 2 WS在第一种情况下,+ / - 5 c在第二种情况下)。结果显示有一个小FFDI DF(5)价值的变化。
图像
相同的程序申请本迪戈区域如图3所示,相同的一组输入仪器精度ts,但干旱的因素(7)的价值。结果表明,当有增加在干旱FFDI价值因素值(7)。
图像
在图4中,我们应用干旱因子值(9)在同一区域(本迪戈),对温度传感器(精度+ / - 1 c在第一种情况下,+ / - 2 c在第二种情况下),对湿度传感器(精度+ / - 1 RH在第一种情况下,+ / - 2 RH在第二种情况下)和风速传感器(精度+ / - 2 WS在第一种情况下,+ / - 5 c在第二种情况下)。结果表明,当有增加在干旱FFDI价值因素值(9)。
图像
在图5中,我们选择不同的面积是金莱克(站)叫做差距。的数据温度、相对湿度和风速收集和分析了这一领域。天气之间的关系主要变量(温度、相对湿度和风速)和FFDI干旱价值因素(5)的价值进行分析与提出两个不同的输入传感器精度天气变量。温度传感器(精度+ / - 1 c在第一种情况下,+ / - 2 c在第二种情况下),对湿度传感器(精度+ / - 1 RH在第一种情况下,+ / - 2 RH在第二种情况下)和风速传感器(精度+ / - 2 WS在第一种情况下,+ / - 5 c在第二种情况下)。FFDI结果显示有一个小变化因素(5)价值的干旱。干旱因子有显著影响的计算FFDI值,当干旱因素增加FFDI值将会增加。
图像
干旱因素的价值(7)是应用于金莱克区域显示在图6中提出相同的输入的准确性。结果表明,FFDI价值增加干旱因素(7)。
图像
在图7中,我们应用干旱因子值(9)在同一区域(金莱克区),对温度传感器(精度+ / - 1 c在第一种情况下,+ / - 2 c在第二种情况下),对湿度传感器(精度+ / - 1 RH在第一种情况下,+ / - 2 RH在第二种情况下)和风速传感器(精度+ / - 2 WS在第一种情况下,+ / - 5 c在第二种情况下)。结果表明,有一个显著增加FFDI干旱价值因素值(9)。
图像
在图8中我们提出不同的(温度、湿度和风速),那么我们应用干旱因子值(7)。温度传感器(精度+ / - 1 c在第一种情况下,+ / - 2 c在第二种情况下),对湿度传感器(精度+ / - 1 RH在第一种情况下,+ / - 2 RH在第二种情况下)和风速传感器(精度+ / - 2 WS在第一种情况下,+ / - 5 c在第二种情况下)。结果表明,增加有价值(7)FFDI干旱价值因素。
图像
在图9中我们应用同一套输入精度(9),结果表明,在干旱的因素有显著增加FFDI干旱价值因素值(9),其得出的结论是,随着干旱因素的增加,它会影响FFDI值显著增加相同的套仪器精度。

V.CONCLUSION
FFDI天气很敏感变量如风速、温度和湿度。风速的变化将导致重大变化FFDI价值。温度是第二个影响变量FFDI价值。过去天气变量影响外国直接投资价值相对湿度较低的湿度会增加FFDI价值的价值。不准确的测量仪器可以增加的平均不确定性FFDI价值高达17%取决于FFDI的真正价值。仪器误差会导致计算的不确定性FFDI这会导致错误的火灾危险程度的信息。

引用
  1. 1966年麦克阿瑟,A.G。。天气和草原火灾行为。国家发展部门、林业和木材局No.100传单。堪培拉,澳大利亚
  2. 吉尔,点,Christian, K.R., Moore, P.H.R.,Forrester, R.I., 1987. Bushfire incidence, fire hazard and fuel reduction burning. Australia Journal of Ecology 12, 299-306
  3. 切尼,N.P.,Sullivan, A.,1997. Grassfires: Fuel Weather and Fire Behaviour. CSIRO Publishing Australia.
  4. Sneeuwjagt,效力皮特,G.B.,1985 Forest Fire Behaviour Tables for Westren Australia. Weastren Australia Department of Conservation and Land Management, Perth, Weastren Australi.
  5. Mega-fires Attiwill,下午和硕士亚当斯,调查和政治的桉树森林维多利亚,澳大利亚东南部。森林生态与管理,2013年。294(0):45-53页。
  6. 服务,N.R.F.,The Effects of Weather on Bushfires, 2011. p. 1-3.
  7. Linnenluecke、抗议和A·格里菲思2009年的维多利亚时代的山火:多层次的角度对组织风险和弹性。组织和环境,2013年。26(4):386 - 411页。
  8. Stetler K.M.,T.J. Venn, and D.E. Calkin, The effects of wildfire and environmental amenities on property values in northwest Montana, USA. Ecological Economics, 2010. 69(11): p. 2233-2243.
  9. 阁下伯纳德爱尔兰人AO,智慧化,Susan Pascoe, 2009 Victorian Bushfires Royal Commission, 2010.
  10. C。卢卡斯,K.H.,G. Mills and J. Bathols, Bushfire Weather in Southeast Australia:Recent Trends and Projected Climate Change Impacts, 2007, Bushfire Cooperative Research Centre 2007.
  11. 维基百科。黑色星期六山火。2014年[引用2014;可以从:http://en.wikipedia.org/wiki/Black_Saturday_bushfires。[12]Cordner,克里,N. Woodford, and R. Bassed, Forensic aspects of the 2009 Victorian Bushfires Disaster. Forensic Science International, 2011. 205(1–3): p. 2-7. [13] Sharples, J.J., et al., A simple index for assessing fire danger rating. Environmental Modelling & Software, 2009. 24(6): p. 764-774.
  12. Wastl C。,et al., Large-scale weather types, forest fire danger, and wildfire occurrence in the Alps. Agricultural and Forest Meteorology, 2013. 168(0): p. 15-25.
  13. Camia,。,et al., Fire danger rating in the European Forest Fire Information System (EFFIS): Current developments. Forest Ecology and Management, 2006. 234, Supplement(0): p. S20.
  14. 亚历山大,工程师,Prescribed burn documentation and fire danger ratings: A case study. Forest Ecology and Management, 2006. 234, Supplement(0): p. S256.
  15. Bedia, J。,et al., Sensitivity of fire weather index to different reanalysis products in the Iberian Peninsula. Natural Hazards and Earth System Science, 2012. 12(3): p. 699-708.
  16. 2013年第二届国际会议上测量,仪器和自动化,ICMIA 2013, 2013。
  17. 秀,D。,et al., Design of mobile meteorological monitor based on wireless sensor network, 2013. p. 938-944.
  18. Blanchi, R。,et al., Environmental circumstances surrounding bushfire fatalities in Australia 1901-2011. Environmental Science and Policy, 2014. 37: p. 192-203.
  19. Sanabria,洛杉矶,et al., Spatial interpolation of McArthur's Forest Fire Danger Index across Australia: Observational study. Environmental Modelling and Software, 2013. 50: p. 37-50.
  20. 克拉克,H。,C。Lucas, and P. Smith, Changes in Australian fire weather between 1973 and 2010. International Journal of Climatology, 2013. 33(4): p. 931-944.
  21. Blanchi, R。,et al., Meteorological conditions and wildfire-related houseloss in Australia. International Journal of Wildland Fire, 2010. 19(7): p. 914-926.
  22. 希利,J。,Extreme Weather and Natural Disasters, 2012, The Spinney Press: Thirroul.
  23. 懒散的,抗干扰,et al., Index sensitivity analysis applied to the Canadian Forest Fire Weather Index and the McArthur Forest Fire Danger Index. Meteorological Applications, 2010. 17(3): p. 298-312.
  24. Brookhouse, M.T.,G.D. Farquhar, and M.L. Roderick, The impact of bushfires on water yield from south-east Australia's ash forests. Water Resources Research, 2013. 49(7): p. 4493-4505.
  25. 笔者,杰,et al., Examining the relative effects of fire weather, suppression and fuel treatment on fire behaviour – A simulation study. Journal of Environmental Management, 2013. 131(0): p. 325-333.
  26. Bedel,美联社,T.L. Mote, and S.L. Goodrick, Climate change and associated fire potential for the south-eastern United States in the 21st century. International Journal of Wildland Fire, 2013. 22(8): p. 1034-1043.
  27. Cseresnyes,我。,O. Szécsy, and P. Csontos, Fire risk in Austrian pine (Pinus Nigra) plantations under various temperature and wind conditions. Acta Botanica Croatica, 2011. 70(2): p. 157-166.
  28. 马修斯。,Dead fuel moisture research: 1991-2012. International Journal of Wildland Fire, 2014. 23(1): p. 78-92.
  29. 沙利文,A.L.和s·马修斯,确定景观的燃料含水量叫做东黑色星期六的野火使用延展最快积分模型。环境建模和软件,2013年。40:p。98 - 108。
  30. Sharples, J.J.,et al. Lateral bushfire propagation driven by the interaction of wind, terrain and fire. 2011.
  31. 太阳,B.N.,et al., Accuracy improvement of Raman distributed temperature sensors based on eliminating Rayleigh noise impact. Optics Communications, 2013. 306(0): p. 117-120.
  32. 阿米蒂奇,B.D.L.a.O.B。,Weather Guide for the Canadian Forest Fire Danger Rating System. 2008.
  33. 8 -半导体纳米晶体环境传感器、纳米半导体氧化物的下一代电子产品和功能设备,s . Zhuiykov编辑。2014年,瑞斯出版社出版。p . 374 - 426。
  34. Ahsan, M.M.,et al., 13.23 - Review of the Reliability and Connectivity of Wireless Sensor Technology, in Comprehensive Materials Processing, S. Hashmi, et al., Editors. 2014, Elsevier: Oxford. p. 571-588.
  35. 特拉维斯,得到,Design of a severe climate change early warning system. Weather and Climate Extremes, 2013. 2(0): p. 31-38.
  36. 切尼,N.P.,et al., Predicting fire behaviour in dry eucalypt forest in southern Australia. Forest Ecology and Management, 2012. 280(0): p. 120-131.
  37. Maddock, N。,Fire development in focus. Australian Journal of Emergency Management, 2013. 28(1): p. 50-51.
  38. Weil, A。,Fire Disasters, 2012, Saddleback Publishing: Irvine.