MétaCan
Menu
Retour à la cohorte
Enregistrement W1984260518 · doi:10.1139/x06-138

An evaluation of fire-plume properties simulated with the Fire Dynamics Simulator (FDS) and the Clark coupled wildfire model

2006· article· en· W1984260518 sur OpenAlexaffvenue
Ruiyu Sun, Mary Ann Jenkins, Steven K. Krueger, William Mell, Joseph J. Charney

Notice bibliographique

RevueCanadian Journal of Forest Research · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensYork University
Organismes subventionnairesU.S. Forest Service
Mots-clésPlumeFire Dynamics SimulatorAtmosphere (unit)GridEnvironmental scienceMeteorologySimulationComputer scienceMathematicsGeometryPhysicsSmoke

Résumé

récupéré en direct d'OpenAlex

Before using a fluid dynamics physically based wildfire model to study wildfire, validation is necessary and model results need to be systematically and objectively analyzed and compared to real fires, which requires suitable data sets. Observational data from the Meteotron experiment are used to evaluate the fire-plume properties simulated by two fluid dynamics numerical wildfire models, the Fire Dynamics Simulator (FDS) and the Clark coupled atmosphere–fire model. Comparisons based on classical plume theory between numerical model and experimental Meteotron results show that plume theory, because of its simplifying assumptions, is a fair but restricted rendition of important plume-averaged properties. The study indicates that the FDS, an explicit and computationally demanding model, produces good agreement with the Meteotron results even at a relatively coarse horizontal grid size of 4 m for the FDS, while the coupled atmosphere–fire model, a less explicit and less computationally demanding model, can produce good agreement, but that the agreement is sensitive to surface vertical-grid sizes and the method by which the energy released from the fire is put into the atmosphere.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,266
Écart entre enseignants0,243 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations35
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207