Waldbrände stellen weltweit ein sehr grosses Naturgefahrenpotential dar. Unzählige Waldbrände wüteten in den letzten Jahren in den USA, Brasilien, Indonesien, den Mittelmeeranrainern Europas und auch in der Schweiz, hauptsächlich im
Kanton Tessin.
Waldbrandprognosemodelle sind ein wichtiges Instrument zur Waldbrandprävention und daher für eine effiziente Waldbrandmanagementstrategie unabdingbar.
Im Rahmen dieser Arbeit wurde ein statistisches Modell zur Prognose der lokalen Waldbrandgefahr, basierend auf der k-Nearest Neighbors (kNN) Methode, entwickelt. Die kNN-Methode ist eine nichtparametrische Diskriminanzanalyse, deren Annahmen darauf basieren, dass in einem durch Variablen aufgespannten Vektorraum mittels eines Euklid'schen Abstandmasses Äahnliche Datensätze gefunden werden. Voraussetzung für das Funktionieren der Prognosemethode ist,
dass sich ein Variablensatz finden lässt, sodass sich Tage mit Waldbränden innerhalb des durch die Variablen aufgespannten Ereignisraumes gruppieren lassen. Weiter setzt die Methode voraus, dass die erklärenden Variablen keinem zeitlichen Trend unterliegen und über das gesamte Untersuchungsgebiet extrapoliert werden können. [...]

Forest fire are a major natural hazard in Europe. While writing this work (2001-2004) wildfires raged in Spain, Portugal and France. Since the 1960's forest fire activity has also increased in Switzerland, primary in the Canton of Ticino.
The development of fire danger prediction methods is considered to be one of the most important elements of an effective forest fire management strategy. In this work a statistical forecast model, based on the k-nearest neighbors method (kNN), was developed and applied to asses forest fire danger.
Statistically, the kNN method is a non-parametric pattern classification technique which arranges data in a multidimensional space and applies a distance metric (usually Euclidean) to define the distance between past and present data. The method assumes that similar events are likely to exhibit similar precursors and that fire and weather factors can be extrapolated over the geographic forecast area. [...]