MétaCan
Menu
← Retour à la cohorte
Enregistrement W3119512479 · doi:10.23673/re-256

Fire Weather Index (FWI) for Estonia for growing seasons 2018 and 2019

2020· article· en· W3119512479 sur OpenAlexaboutno aff
Valentina Sagris, Tõnu Oja, Merle Muru, Edgar Sepp

Notice bibliographique

RevueDataDOI (University of Tartu) · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndex (typography)MeteorologyClimatologyEnvironmental scienceGeographyGeologyComputer science

Résumé

récupéré en direct d'OpenAlex

The Canadian Forest Fire Weather Index (FWI) System (Van Wagner 1987) is a weather-based means of calculating potential fire conditions. Canadian research on forest fire danger rating was started in the 1920s, but in recent decades, FWI is widely used in Europe. The FWI System depends solely on weather measurements taken each day at noon local time. Daily inputs to the system consist of temperature (°C), relative humidity (%), wind speed (km/h), and precipitation (mm) over the past 24 hours. The FWI System outputs three moisture codes: the Fine Fuel Moisture Code (FFMC), the Duff Moisture Code (DMC), and the Drought Code (DC), with higher values indicating drier conditions and greater fire danger. The FWI System also generates three fire behavior outputs based on the above indices: the Initial Spread Index (ISI), the Build-Up Index (BUI), and the Fire Weather Index (FWI), with higher values indicating elevated fire danger (Van Wagner 1987). This dataset creation was a part of RITA1/02-52 "Use of remote sensing data for elaboration and development of public services (1.01.2019−31.12.2020)" and its work-package “Prevention and suppression of wildfires“. Project adopted Canadian methodology and investigated possibility of FWI in Estonian meteorological service for wild fire prevention routings. C. E. Van Wagner (1987). Development and Structure of the Canadian Forest Fire Weather Index System. Canadian forest service, Forestery Technical report 35, Ottawa

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil0,276

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
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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 GPT0,184
Écart entre enseignants0,173 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDataDOI (University of Tartu)→Même sujetFire effects on ecosystems→Travaux en français237 207→