Calibrating the Fine Fuel Moisture Code for grass ignition potential in Sumatra, Indonesia
Notice bibliographique
Résumé
Grass moisture and ignition studies were conducted in central Sumatra, Indonesia, to develop an indicator of grass ignition potential using the Fine Fuel Moisture Code (FFMC) of the Canadian Forest Fire Weather Index System. Moisture content of live and dead grass was measured at three sites every 6 days over an 8-month period. Grass curing was highly variable but averaged 37–39% and often exceeded 50% from April to mid-August. Grass fuel loads averaged 420–722 g/m2. There was a highly significant decrease in dead grass moisture content with increasing FFMC, decreasing grass height, and decreasing total grass biomass. The FFMC was the most influential factor, explaining 54–61% of the dead grass moisture content variation. Ignition tests were applied to live and dead grass samples with specific moisture contents. The ignition threshold of dead and live grass occurred at 35.4% and 27.8% moisture content, respectively. The dead grass ignition threshold corresponded to FFMC values of 81.0–83.3 at the three study sites. Of historical hot spots in South-east Asia, 86% occurred when the FFMC was ≥78, representing the lower 95% confidence interval of the dead grass ignition threshold. The FFMC was calibrated using experimental results for fire management applications.
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 | 0,000 |
| 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 ».