MétaCan
Menu
Retour à la cohorte
Enregistrement W1518068718 · doi:10.29298/rmcf.v3i11.515

APLICACION DEL INDICE METEOROLOGICO DE INCENDIOS CANADIENSE EN UN PARQUE NACIONAL DEL CENTRO DE MEXICO

2019· article· es· W1518068718 sur OpenAlexaboutno aff
Lourdes Villers-Ruı́z, Emilio Chuvieco, Inmaculada Aguado

Notice bibliographique

RevueRevista mexicana de ciencias forestales · 2019
Typearticle
Languees
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex


 
 
 Entre los sistemas de alerta temprana de incendios forestales destaca el desarrollado por el Servicio Forestal de Canadá, denominado Fire Weather Index (FWI). Con el fin de contribuir a la creación de un sistema de alerta temprana, se utilizó este índice para determinar las condiciones de peligro a incendios en el Parque Nacional Malinche a partir de una serie de datos diarios de enero 2004 a octubre 2009 de cinco estaciones meteorológicas automáticas instaladas en el parque a una altitud de 3,000 m, se hicieron los cálculos de los elementos que contiene el índice; para ello, se empleó la versión automatizada del Canadian Forest Fire Danger Rating System. Se realizaron correlaciones y se crearon cuatro categorías con los valores de los componentes, según la frecuencia de incendios y el área siniestrada. También, se señalaron, los valores de temperatura máxima y mínima, humedad relativa y lluvia por categoría. Se constituyeron los umbrales mínimos de gran peligrosidad a incendios para cada uno de los elementos. En el caso del código de humedad de los combustibles finos, el umbral se estableció en 80 puntos; de superarse este valor, el número de incendios por día se incrementa sustancialmente. El código de sequía, el Índice de dispersión inicial del fuego; así como, el Índice acumulado fueron los más significativos en relación a la frecuencia de incendios, por lo que se calculó la probabilidad de estos eventos, para ciertos intervalos de los elementos considerados.
 
 

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,217
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista mexicana de ciencias forestalesMême sujetFire effects on ecosystemsTravaux en français237 207