MétaCan
Menu
Retour à la cohorte
Enregistrement W2776659710 · doi:10.1071/wf16221

Mapping Canadian wildland fire interface areas

2017· article· en· W2776659710 sur OpenAlexafffundabout
Lynn M. Johnston, Mike Flannigan

Notice bibliographique

RevueInternational Journal of Wildland Fire · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversity of AlbertaOntario Forest Research Institute
Organismes subventionnairesCanadian Forest ServiceU.S. Forest ServiceUniversity of Alberta
Mots-clésWildland–urban interfaceInterface (matter)Environmental scienceBaseline (sea)Environmental resource managementBuffer zoneGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Destruction of human-built structures occurs in the ‘wildland–urban interface’ (WUI) – where homes or other burnable community structures meet with or are interspersed within wildland fuels. To mitigate WUI fires, basic information such as the location of interface areas is required, but such information is not available in Canada. Therefore, in this study, we produced the first national map of WUI in Canada. We also extended the WUI concept to address potentially vulnerable industrial structures and infrastructure that are not traditionally part of the WUI, resulting in two additional maps: a ‘wildland–industrial interface’ map (i.e. the interface of wildland fuels and industrial structures, denoted here as WUI-Ind) and a ‘wildland–infrastructure interface’ map (i.e. the interface of wildland fuels and infrastructure such as roads and railways, WUI-Inf). All three interface types (WUI, WUI-Ind, WUI-Inf) were defined as areas of wildland fuels within a variable-width buffer (maximum distance: 2400 m) from potentially vulnerable structures or infrastructure. Canada has 32.3 million ha of WUI (3.8% of total national land area), 10.5 million ha of WUI-Ind (1.2%) and 109.8 million ha of WUI-Inf (13.0%). The maps produced here provide a baseline for future research and have a wide variety of practical applications.

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 enseignants0,022
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0030,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,010
Tête enseignante GPT0,239
Écart entre enseignants0,230 · 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

Citations139
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

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