Empirical-based models for predicting head-fire rate of spread in Australian fuel types
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
SummaryThe knowledge of a free-burning fire’s potential rate of spread is critical for safe and effective bushfire control and use. A number of models for predicting the head-fire rate of spread in various types of Australian vegetation have been developed over the past 60 years or so since Alan G. McArthur began his pioneering research into bushfire behaviour. Most of the major Australian vegetation types have had more than one model developed for operational use. These include grassland, shrubland, both dry and wet eucalypt forests, and pine plantation fuel types. A better understanding of the technical basis for each of these models and their utility is essential for the correct selection and application of the most appropriate models. This review provides a systematic overview of 22 models of the rate of fire spread and their applicability in prescribed burning and wildfire operations.Background information and a description of each model is given. This includes information on the data used in the model development that defines the bounds of its application. The mathematical equations that represent each model are given along with a discussion of model form and behaviour, the main input variables and their influence, and evaluations of model performance undertaken to date.This review has enabled the identification of those models that constitute the current state of knowledge with respect to bushfire behaviour science in Australia. We recommend the models that should underpin best practice in the near term in the operational prediction of fire behaviour and those that should no longer be used, and provide reasons for these recommendations.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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