[Evaluating fire behavior simulators in southwestern China forest area].
Notice bibliographique
Résumé
As an important technical reference for efficient prevention and fighting against forest fire, forest fire behavior parameters are mainly obtained from fire behavior simulators in some deve-loped countries. This study selected two simulators, the Farsite from USA and the Prometheus from Canada, which were both widely used in local area. Through comparing simulated results and relative data of the '3·29 Fire' occurred in Anning City, Southwestern China, we tried to evaluate accuracy of the simulators in a quantitative way. The results indicated that, in the simulation of peri-meter, the precision of Farsite under Scott fuel model was the highest, while Prometheus was the lowest, but the difference was not significant. The difference in simulative perimeter between Farsite and Prometheus mainly concentrated in the distribution area of Pinus yunnanensis. In the simulation of rate of spread (ROS), the mean ROS results of Farsite under both fuel models were close to the actual situation, while the results of Prometheus were far away from the actual situation. The diffe-rent simulative area of ROS between Farsite and Prometheus mainly concentrated in the distribution area of P. yunnanensis. In the simulation of fireline intensity (FLI), the mean FLI results of Farsite under both fuel models were similar, and Prometheus obtained significantly different FLI results from Farsite, while the different simulative area of FLI between Farsite and Prometheus mainly concentrated in the distribution area of Quercus.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».