Fire Weather Index application in north-western Italy
Notice bibliographique
Résumé
Abstract. Piedmont region is located in North-Western Italy and is surrounded by the alpine chain and by the Appennines. The region is covered by a wide extension of forests, mainly in its mountain areas (the forests cover 36% of the regional territory). Forested areas are interested by wildfire events. In the period 1997–2005 Piedmont was interested by an average 387 forest fires per year, covering an average 1926 ha of forest per year. Meteorological conditions like long periods without precipitation contribute to create favourable conditions to forest fire development, while the fire propagation is made easier by the foehn winds, frequently interesting the region in winter and spring particularly. The meteorological danger index FWI (Fire Weather Index) was developed by Van Wagner (1987) for the Canadian Forestry Service, providing a complete description of the behaviour of the different forest components in response to the changing weather conditions. We applied the FWI to the Piedmont region on warning areas previously defined for fire management purposes. The meteorological data-set is based on the data of the very-dense non-GTS network of weather stations managed by Arpa Piemonte. The thresholds for the definition of a danger scenarios system were defined comparing historical FWI data with fires occurred on a 5 years period. The implementation of a prognostic FWI prediction system is planned for the early 2008, involving the use of good forecasts of weather parameters at the station locations obtained by the Multimodel SuperEnsemble post-processing technique.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».