MétaCan
Menu
Retour à la cohorte
Enregistrement W2129676348 · doi:10.1071/wf14177

The influence of ignition technique on fire behaviour in spinifex open woodland in semiarid northern Australia

2015· article· en· W2129676348 sur OpenAlexaff
Paul R. Williams, Eleanor M. Collins, Mick Blackman, Clare Blackman, J. G. McLeod, Leasie Felderhof, Lauren Colless, Kate Masters, Simon Coates, Andrew Sturgess, Graeme Martin

Notice bibliographique

RevueInternational Journal of Wildland Fire · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensGlencore (Canada)
Organismes subventionnairesnon disponible
Mots-clésWoodlandFire regimeEnvironmental sciencePrescribed burnBorealCanopyGeographyPhysical geographyEcologyEcosystemForestryArchaeology

Résumé

récupéré en direct d'OpenAlex

Unplanned, unmanaged wildfires are a significant threat to people, infrastructure and ecosystems around the world. Managed, planned burning is widely used for reducing the incidence, extent or intensity of wildfires. Fire weather and the season of burning are recognised as crucial factors influencing fire behaviour but the demonstrated influence of ignition technique on fire behaviour is not as prominently discussed in relation to planned fires. We found wildfires, irrespective of season, burnt the ground layer more completely (i.e. were less patchy) and produced greater crown scorch severity than did planned fires in a spinifex (Triodia spp.)-dominated open woodland. Fires ignited with a 50-m line burning with the wind produced significantly higher intensities than did line ignition against the wind, and spot ignitions with or against the wind. These data suggest that the higher severity of wildfires in spinifex-dominated habitats is strongly influenced by long fire fronts, in addition to fire season and weather conditions. This study supports the value of planned burning for reducing fire severity and highlights the value of spot ignitions in ecological burning to create a patchily burnt landscape, with limited canopy severity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,290
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Wildland FireMême sujetFire effects on ecosystemsTravaux en français237 207