A high-resolution reanalysis of global fire weather from 1979 to 2018 – overwintering the Drought Code
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. We present a global high-resolution calculation of the Canadian Fire Weather Index (FWI) System indices using surface meteorology from the ERA5 HRES reanalysis for 1979–2018. ERA5 HRES represents an improved dataset compared to several other reanalyses in terms of accuracy, as well as spatial and temporal coverage. The FWI calculation is performed using two different procedures for setting the start-up value of the Drought Code (DC) at the beginning of the fire season. The first procedure, which accounts for the effects of inter-seasonal drought, overwinters the DC by adjusting the fall DC value with a fraction of accumulated overwinter precipitation. The second procedure sets the DC to its default start-up value (i.e. 15) at the start of each fire season. We validate the FWI values over Canada using station observations from Environment and Climate Change Canada and find generally good agreement (mean Spearman correlation of 0.77). We also show that significant differences in early season DC and FWI values can occur when the FWI System calculation is started using the overwintered versus default DC values, as is highlighted by an example from 2016 over North America. The FWI System moisture codes and fire behaviour indices are made available for both versions of the calculation at https://doi.org/10.5281/zenodo.3626193 (McElhinny et al., 2020), although we recommend using codes and indices calculated with the overwintered DC, unless specific research requirements dictate otherwise.
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.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 découle