MétaCan
Menu
Retour à la cohorte
Enregistrement W3095921345 · doi:10.1139/cjfr-2020-0314

Fifty years of wildland fire science in Canada

2020· article· en· W3095921345 sur OpenAlexafffundvenueabout
Sean C. P. Coogan, Lori D. Daniels, Den Boychuk, Philip J. Burton, Mike Flannigan, Sylvie Gauthier, Victor Kafka, Jane S. Park, B. Mike Wotton

Notice bibliographique

RevueCanadian Journal of Forest Research · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensBanff CentreGovernment of CanadaParks CanadaUniversity of AlbertaNatural Resources CanadaUniversity of Northern British ColumbiaOntario Forest Research InstituteUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFire ecologyWildfire suppressionFire protectionEnvironmental resource managementEnvironmental scienceClimate changeForest managementGeographyForestryEcologyEngineeringEcosystemCivil engineering

Résumé

récupéré en direct d'OpenAlex

We celebrate the 50th anniversary of the Canadian Journal of Forest Research by reflecting on the considerable progress accomplished in select areas of Canadian wildland fire science over the past half century. Specifically, we discuss key developments and contributions in the creation of the Canadian Forest Fire Danger Rating System; the relationships between wildland fire and weather, climate, and climate change; fire ecology; operational decision support; and wildland fire management. We also discuss the evolution of wildland fire management in Banff National Park as a case study. We conclude by discussing some possible directions in future Canadian wildland fire research including the further evaluation of fire severity measurements and effects; the efficacy of fuel management treatments; climate change effects and mitigation; further refinement of models pertaining to fire risk analysis, fire behaviour, and fire weather; and the integration of forest management and ecological restoration with wildland fire risk reduction. Throughout the paper, we reference many contributions published in the Canadian Journal of Forest Research, which has been at the forefront of international wildland fire science.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,007
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,256
Écart entre enseignants0,233 · 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 tête enseignante, 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

Citations98
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207