The fuelbed: a key element of the Fuel Characteristic Classification SystemThis article is one of a selection of papers published in the Special Forum on the Fuel Characteristic Classification System.
Notice bibliographique
Résumé
Wildland fuelbed characteristics are temporally and spatially complex and can vary widely across regions. To capture this variability, we designed the Fuel Characteristic Classification System (FCCS), a national system to create fuelbeds and classify those fuelbeds for their capacity to support fire and consume fuels. This paper describes the structure of the fuelbeds internal to FCCS. Fuelbeds are considered relatively homogeneous units on the landscape, representing distinct combustion environments that determine potential fire behaviour and effects. The FCCS fuelbeds are organized into six strata: canopy, shrubs, nonwoody fuels, woody fuels, litter–lichen–moss, and ground fuels. Fuelbeds are described by several qualitative and quantitative physical and biological variables with emphasis on characteristics useful for fuels management and fire behaviour planning. The FCCS includes 216 fuelbeds that represent the major vegetation types of the United States. The FCCS fuelbeds can be used as presented or modified to create customized fuelbeds with general or site-specific data to address fire science management or research questions. This system allows resource managers to evaluate wildland fuels operations and management activities, fire hazard, and ecological and air quality impacts at small and large spatial scales. The FCCS fuelbeds represent the United States, although the system has the potential for building fuelbeds for international application.
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 | 0,012 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».