Seasonal fire risk assessment through coupled surface/atmosphere modelling over Portugal

Abstract

This work presents a vegetation-focused framework for evaluating seasonal wild re risk in Portugal by integrating in situ measurements, multiscale remote sensing, and numerical modelling. First, a multiscale approach using eld spectroradiometry, unmanned aerial vehicle and Sentinel-2 satellite multispectral imagery, quanti ed seasonal dynamics of live fuel moisture content (LFMC) in Mediterranean shrublands, con rming lowest values in summer and highlighting the added value of short-wave infrared information. Second, the combination of in situ samples with Sentinel-2 spectral data and machine learning allowed to represent above-ground biomass (AGB) and LFMC, providing comprehensive vegetation condition products for southern Portugal. Third, a hybrid model was built by training a random forest regressor on a remote-sensing LFMC database and predictors from the Surface Externalisée (SURFEX) land surface model (LSM) forced by AROME numerical weather prediction (NWP) model, reproducing the LFMC seasonal cycle and north south contrasts linked to land use and vegetation density. Finally, driving SURFEX with European Centre for Medium-Range Weather Forecasts seasonal forecasts (SEAS5) ensembles generated seasonal LFMC forecasts that serve as an early-warning tool, enabling the probabilistic identi cation of potential low LFMC areas up to three months in advance. Despite ongoing challenges, such as sampling gaps and spatiotemporal scale mismatches, the methodology is operationally compatible with existing processing chains and provides a practical bridge from observation to seasonal re risk; - Resumo: Avaliação sazonal do risco de incêndio através de modelação acoplada de superfície/atmosfera em Portugal Este trabalho apresenta uma metodologia para avaliar o risco sazonal de incêndios orestais em Portugal, integrando medições in situ, deteção remota e modelação numérica. Em primeiro lugar, foi realizada uma abordagem multiescala utilizando espectrorradiometria de campo, imagens multiespectrais de veículo aéreo não tripulado e do satélite Sentinel-2, para quanti car o conteúdo de humidade dos combustíveis vivos (LFMC) em matos mediterrânicos, con rmando os valores mais baixos no verão e destacando a importância das informações da região espectral do infravermelho de onda curta. Numa segunda fase, recorreu-se ao aprendizado de máquina, combinando amostras in situ com dados espectrais do Sentinel-2 para mapear a biomassa e o LFMC, os quais forneceram parâmetros da vegetação sobre o sul de Portugal. Para reproduzir o ciclo sazonal do LFMC sobre Portugal, treinou-se um modelo híbrido com um conjunto de dados proveniente de deteção remota e do modelo de superfície terrestre (LSM) Surface Externalisée (SURFEX) forçado pelo modelo de previsão numérica do tempo (NWP) AROME, reproduzindo o ciclo sazonal do LFMC, evidenciando o contraste entre o norte e o sul, associados ao uso da terra e à densidade da vegetação. Por m, geraram-se previsões sazonais através da integração do SURFEX com os conjuntos de previsões sazonais do Centro Europeu de Previsão do Tempo a Médio Prazo (ECMWF) gerou previsões sazonais de LFMC, as quais servem como ferramenta de alerta precoce, permitindo a identi cação probabilística de potenciais áreas críticas com baixo LFMC com cerca de três meses de antecedência. Apesar dos desa os atuais, como as lacunas decorrentes da falta de amostras de campo e as incompatibilidades de escalas espaciais e temporais, a metodologia é operacionalmente compatível com os uxos de processamento existentes e fornece uma ferramenta prática para o risco de incêndio sazonal.