MétaCan
Menu
Retour à la cohorte
Enregistrement W2072645881 · doi:10.1139/x09-176

Optimal spatial patterns of fuel management and timber harvest with fire risk

2010· article· en· W2072645881 sur OpenAlexvenueno aff
Masashi Konoshima, Heidi J. Albers, Claire A. Montgomery, Jeffrey L. Arthur

Notice bibliographique

RevueCanadian Journal of Forest Research · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Forest Service
Mots-clésHomogeneousEnvironmental resource managementComputer scienceSpatial variabilitySpatial ecologyFire protectionProcess (computing)Spatial heterogeneityRange (aeronautics)Forest managementEnvironmental scienceRisk managementStochastic modellingRisk analysis (engineering)Operations researchBusinessEcologyEngineeringCivil engineeringMathematicsAgroforestry

Résumé

récupéré en direct d'OpenAlex

The stochastic and spatial nature of fire poses challenges for the cost-efficient allocation of fuel treatment over the landscape. A model that addresses complex but important components of fuel management decisions, spatial and dynamic aspects of fire risk, and a carefully designed framework that allows us to draw general insight into the optimal spatial pattern of management are necessary to provide a basis for developing efficient fuel treatment plans. For this purpose, we combine a physical fire model and a spatial-dynamic optimization model to explore harvest and fuel treatment across a hypothetical landscape under risk of a moving fire over a range of physical and economic conditions. Our model is able to describe spatial trade-offs involved in decision process, namely trade-offs between protection of on-site values and protection against fire spread. We found that the spatial configuration of management units can lead to heterogeneity in management across seemingly homogeneous units.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,510
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations60
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207