An overview of the Fuel Characteristic Classification System — Quantifying, classifying, and creating fuelbeds for resource planningThis article is one of a selection of papers published in the Special Forum on the Fuel Characteristic Classification System.
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
We present an overview of the Fuel Characteristic Classification System (FCCS), a tool that enables land managers, regulators, and scientists to create and catalogue fuelbeds and to classify those fuelbeds for their capacity to support fire and consume fuels. The fuelbed characteristics and fire classification from this tool will provide inputs for current and future sophisticated models for the quantification of fire behavior, fire effects, and carbon accounting and enable assessment of fuel treatment effectiveness. The system was designed from requirements provided by land managers, scientists, and policy makers gathered through six regional workshops. The FCCS contains a set of fuelbeds representing the United States, which were compiled from scientific literature, fuels photo series, fuels data sets, and expert opinion. The system enables modification and enhancement of these fuelbeds to represent a particular scale of interest. The FCCS then reports assigned and calculated fuel characteristics for each existing fuelbed stratum including the canopy, shrubs, nonwoody, woody, litter–lichen–moss, and duff. Finally, the system classifies each fuelbed by calculating fire potentials that provide an index of the intrinsic capacity of each fuelbed to support surface fire behavior, support crown fire, and provide fuels for flaming, smoldering, and residual consumption. The FCCS outputs are being used in a national wildland fire emissions inventory and in the development of fuelbed, fire hazard, and treatment effectiveness maps on several national forests. Although the FCCS was built for the United States, the conceptual framework is applicable worldwide.
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 | 0,010 | 0,001 |
| 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 | 0,000 |
| 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 découle