Il FWI prevede quanto sarà grave un incendio — non dove si innesca
Nel Carso, il 52% degli incendi è di origine umana, il 97,3% si innesca al di sotto della soglia FWI generica europea "High" e il 71% inizia con un FWI inferiore alla mediana. Un indice meteo da solo ne rileva solo il ~29% — perciò il KFWI aggiunge una seconda componente: dove è probabile che un incendio inizi.
Probabilità di innesco ML
Un modello di machine learning spazio-temporale (AUC 0.89 in validazione incrociata spaziale; 0.94 sugli incendi sloveni out-of-domain) prevede dove è probabile che un incendio si inneschi — indipendente dal meteo, ma cogliendo gli andamenti stagionali.
Classificazione della severità FWI
Il Fire Weather Index — dal meteo live basato su Copernicus — valuta quanto sarebbe grave un incendio se si innescasse, usando soglie calibrate sul Carso invece dei bin generici europei EFFIS.
Principali risultati scientifici
La memoria degli hotspot domina. Gli incendi si ripetono negli stessi luoghi (Sgonico–Monrupino–Basovizza) — la memoria spaziale è il predittore più forte.
Le ferrovie battono le strade. La prossimità ferroviaria (26%) supera quella stradale (16%) — probabilmente scintille elettriche da treni e linee elettriche.
Gli incendi umani sono più prevedibili. 84,9% di rilevamento per gli inneschi antropici contro 66,2% per i fulmini.
Le soglie EFFIS mancano il Carso. Il 97,3% degli incendi avviene sotto la soglia europea "High" — la calibrazione locale è essenziale.
FWI ≠ occorrenza. Il 71% degli incendi inizia con FWI sotto la mediana; il FWI è ottimo per la severità, scarso per l'innesco.
Stagionalità, corretta. Un campionamento temporale corretto (Phillips et al. 2009) ha portato il contrasto estate-inverno dallo 0% al +38,8% e l'AUC da 0.918 a 0.934 (split casuale).