The Relationship between Particulate Pollution Levels in Australian Cities, Meteorology, and Landscape Fire Activity Detected from MODIS Hotspots
Notice bibliographique
Résumé
Smoke from bushfires is an emerging issue for fire managers because of increasing evidence for its public health effects. Development of forecasting models to predict future pollution levels based on the relationship between bushfire activity and current pollution levels would be a useful management tool. As a first step, we use daily thermal anomalies detected by the MODIS Active Fire Product (referred to as "hotspots"), pollution concentrations, and meteorological data for the years 2002 to 2008, to examine the statistical relationship between fire activity in the landscapes and pollution levels around Perth and Sydney, two large Australian cities. Resultant models were statistically significant, but differed in their goodness of fit and the distance at which the strength of the relationship was strongest. For Sydney, a univariate model for hotspot activity within 100 km explained 24% of variation in pollution levels, and the best model including atmospheric variables explained 56% of variation. For Perth, the best radius was 400 km, explaining only 7% of variation, while the model including atmospheric variables explained 31% of the variation. Pollution was higher when the atmosphere was more stable and in the presence of on-shore winds, whereas there was no effect of wind blowing from the fires toward the pollution monitors. Our analysis shows there is a good prospect for developing region-specific forecasting tools combining hotspot fire activity with meteorological data.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».