Historic distribution and driving factors of human-caused fires in the Chinese boreal forest between 1972 and 2005
Notice bibliographique
Résumé
AimsThe pattern and driving factors of forest fires are of interest for fire occurrence prediction and forest fire management.The aims of the study were: (i) to describe the history of human-caused fires by season and size of burned area over time; (ii) to identify the spatial patterns of human-caused fires and test for the existence of 'hotspots' to determine their exact locations in the Daxing'an mountains; (iii) to determine the driving factors that determine the spatial distribution and the possibility of human-caused fire occurrence. MethodsIn this study, K-function and Kernel density estimation were used to analyze the spatial pattern of human-caused fires.The analysis was conducted in s-plus and arcgIs environments, respectively.The analysis of driving factors was performed in sPss 19.0 based on a logistic regression model.The variables used to identify factors that influence fire occurrence included vegetation types, meteorological conditions, socioeconomic factors, topography and infrastructure factors, which were extracted and collected through the spatial analysis mode of arcgIs and from official statistics, respectively. Important FindingsThe annual number of human-caused fires and the area burnt have declined since 1987 due to the implementation of a forest fire protection act.There were significant spatial heterogeneity and seasonal variations in the distribution of human-caused fires in the Daxing'an mountains.The heterogeneity was caused by elevation, distance to the nearest railway, forest type and temperature.a logistic regression model was developed to predict the likelihood of human-caused fire occurrence in the Daxing'an mountains; its global accuracy attained 64.8%.The model was thus comparable to other relevant studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».