MétaCan
Menu
Retour à la cohorte
Enregistrement W2518144262 · doi:10.11395/jjsem.14.155

Forest Fires and Wind Flow

2014· article· en· W2518144262 sur OpenAlexaboutno aff
Hiroshi Hayasaka

Notice bibliographique

RevueHokkaido University Collection of Scholarly and Academic Papers (Hokkaido University) · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlow (mathematics)Environmental scienceMechanicsGeologyMeteorologyPhysics

Résumé

récupéré en direct d'OpenAlex

In 2004, many large-scale fires occurred in Alaska and the burned area encompassed about 26,700 km2. This was the largest burned area since 1956, and combined with an additional 19,000 km2 burned in 2005 (third-largest fire year), the total burned area comprised about 10% of the Alaskan boreal forest in just two years. To clarify the background of the many large-scale fires in 2004, spatial and temporal analyses using various data were performed in this paper. The derived results allow the following conclusion. Dry and warm weather conditions with strong persistent winds are crucial for fires. In 2004, easterly winds from Canada caused two daily hotspot peaks in late June and late August; one daily hotspot peak in mid-July was caused by southwesterly winds from Bethel or the Bristol Bay. These persistent winds lasted for about one week and promoted fire expansion. The above wind conditions in June and August were caused by the development of a high-pressure system over the Beaufort Sea under a persistent blocking ridge over Alaska.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,615
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,006
Tête enseignante GPT0,160
Écart entre enseignants0,155 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHokkaido University Collection of Scholarly and Academic Papers (Hokkaido University)Même sujetFire effects on ecosystemsTravaux en français237 207