The influence of weather and fuel type on the fuel composition of the area burned by forest fires in Ontario, 1996–2006
Notice bibliographique
Résumé
Forest fires are influenced by weather, fuels, and topography, but the relative influence of these factors may vary in different forest types. Compositional analysis can be used to assess the relative importance of fuels and weather in the boreal forest. Do forest or wild land fires burn more flammable fuels preferentially or, because most large fires burn in extreme weather conditions, do fires burn fuels in the proportions they are available despite differences in flammability? In the Canadian boreal forest, aspen (Populus tremuloides) has been found to burn in less than the proportion in which it is available. We used the province of Ontario's Provincial Fuels Database and fire records provided by the Ontario Ministry of Natural Resources to compare the fuel composition of area burned by 594 large (>40 ha) fires that occurred in Ontario's boreal forest region, a study area some 430,000 km2 in size, between 1996 and 2006 with the fuel composition of the neighborhoods around the fires. We found that, over the range of fire weather conditions in which large fires burned and in a study area with 8% aspen, fires burn fuels in the proportions that they are available, results which are consistent with the dominance of weather in controlling large fires.
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 ».