AN AGENT-BASED MODEL TO REPRESENT SPACE-TIME PROPAGATION OF FOREST-FIRE SMOKE
Notice bibliographique
Résumé
Abstract. Agent-based modeling approaches have been used for various case studies related to the geospatial dynamics of complex systems. The proliferation of forest-fire smoke and the associated airborne particulate matter that behaves as complex systems make it important to develop reliable geospatial models that can simulate the propagation process to avoid impacts to human health and the environment. Therefore, the main objective of this research study is the development and implementation of an agent-based model (ABM) for the propagation of forest-fire smoke and other airborne particulate matter for use in studying patterns of spatio-temporal propagation. The developed ABM operates on a two-dimensional plane in the landscape where agents representing forest fires emit agents representing smoke. These smoke agents propagate through the study area based on measured atmospheric conditions. The model was developed using data from the 2017 forest fire season in British Columbia (BC) and parts of Alberta, Canada, particularly during the period August 10th–25th. The obtained simulation results provided patterns of spatio-temporal propagation of fire smoke over large areas of BC and Alberta, and were compared to the real smoke patterns covering the Edmonton metropolitan area, Canada on a similar date. The developed agent-based model can be used to support the emergency planning and decision-making process such as in regulating forest fire evacuations and in the prevention of health problems triggered by the exposure to smoke.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».