Selecting the best performing fire weather indices for Austrian ecoregions
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
The interpretation and communication of fire danger warning levels based on fire weather index values are critical for fire management activities. A number of different indices have been developed for various environmental conditions, and many of them are currently applied in operational warning systems. To select an appropriate combination of such indices to work in different ecoregions in mountainous, hilly and flat terrain is challenging. This study analyses the performance of a total of 22 fire weather indices and two raw meteorological variables to predict wildfire occurrence for different ecological regions of Austria with respect to the different characteristics in climate and fire regimes. A median-based linear model was built based on percentile results on fire days and non-fire days to get quantifiable measures of index performance using slope and intercept of an index on fire days. We highlight the finding that one single index is not optimal for all Austrian regions in both summer and winter fire seasons. The summer season (May-November) shows that the Canadian build-up index, the Keetch Byram Drought Index and the mean daily temperature have the best performance; in the winter season (December-April), the M68dwd is the best performing index. It is shown that the index performance on fire days where larger fires appeared is better and that the uncertainties related to the location of the meteorological station can influence the overall results. A proposal for the selection of the best performing fire weather indices for each Austrian ecoregion is made.
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 | 0,001 |
| 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 | 0,001 |
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