A decision support tool for dry persistent deep slab avalanches for the transitional snow climate of western Canada
Notice bibliographique
Résumé
A decision support tool to aid in forecasting the likelihood of dry persistent deep slab avalanches was created from three separate data sources in western Canada. Data were obtained from an expert opinion survey of avalanche professionals, a dataset of avalanched starting zones that were field-investigated, and a dataset of avalanches from the Canadian information sharing system. The survey and the tool consisted of three sections: snowpack conditions, weather conditions, and avalanche observations. Parameters in the tool were assigned importance values derived from the survey responses. A classification tree was used to determine the threshold tool sum for increasing the likelihood of observing natural persistent deep slab avalanches. Based on some of the data used to create the tool, the tool correctly explained 75% of days with natural avalanches (16 out of 18) and non-avalanche days (61 out of 85), but the false alarm ratio was high (60%). The tool also indicates if triggered avalanches from localized dynamic loads are possible, depending on responses in the snowpack conditions section of the tool. Avalanche forecasters must apply the tool to certain terrain characteristics, at a local to regional scale. The tool may benefit from location-based calibration. The tool only indicates the likelihood of persistent deep slab avalanches based on the datasets used and it cannot determine when or where they will occur.
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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».