Evaluating regression model estimates of canopy fuel stratum characteristics in four crown fire-prone fuel types in western North America
Notice bibliographique
Résumé
Two evaluations were undertaken of the regression equations developed by M. Cruz, M. Alexander and R. Wakimoto (2003, International Journal of Wildland Fire12, 39–50) for estimating canopy fuel stratum characteristics from stand structure variables for four broad coniferous forest fuel types found in western North America. The first evaluation involved a random selection of 10 stands each from the four datasets used in the original study. These were in turn subjected to two simulated thinning regimes (i.e. 25 and 50% basal area removal). The second evaluation involved a completely independent dataset for ponderosa pine consisting of 16 stands sampled by T. Keyser and F. Smith (2010, Forest Science56, 156–165). Evaluation statistics were comparable for the thinning scenarios and independent evaluations. Mean absolute percentage errors varied between 13.8 and 41.3% for canopy base height, 5.3 and 67.9% for canopy fuel load, and 20.7 and 71% for canopy bulk density. Bias errors were negligible. The results of both evaluations clearly show that the stand-level models of Cruz et al. (2003) used for estimating canopy base height, canopy fuel load and canopy bulk density in the assessment of crown fire potential are, considering their simplicity, quite robust.
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 | 0,019 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».