System analysis of weather fire danger in predicting large fires in Siberian forests
Notice bibliographique
Résumé
The prediction results of large-scale forest fire development are given for Siberia. To evaluate the fire risks, the Canadian Forest Fire Weather Index System (CFFWIS) and the Russian moisture indices (MI1 and MI2) were compared on the basis of the data of a network of meteorological stations as input weather parameters. Parameters of active fires were detected daily from the NOAA satellite data for the period of 1996–2008. To determine the length of the fire danger season, the snow cover fractions from Terra/MODIS data (2001–2008) were used. The features of fire development on territories with different types of flammable fuel are considered. The statistical analysis of the areas and number of fires typical of each vegetation class is made with the use of the GLC2000 vegetation map. A positive correlation (∼0.45, p < 0.05) between the cumulative area of local fires and the MI1 and Canadian BUI and DMC indices is revealed. The Canadian ISI and FWI indices describe best the diurnal dynamics of fire areas. The above correlations are higher (∼0.62, p < 0.05) when we select the fires larger than 2000–10000 ha in size for the forested areas. Other cases point to the lack of a linear relation between the fire area and the values of all indices, because the fire spread depends on many natural and anthropogenic factors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».