MétaCan
Menu
Retour à la cohorte
Enregistrement W3194347173 · doi:10.3390/atmos12091087

Fire Danger Harmonization Based on the Fire Weather Index for Transboundary Events between Portugal and Spain

2021· article· en· W3194347173 sur OpenAlexaboutno aff
Daniela Alves, Miguel Almeida, D. X. Viegas, Ilda Novo, M. Y. Luna

Notice bibliographique

RevueAtmosphere · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a TecnologiaPrograma Operacional Regional do CentroMax-Planck-GesellschaftAlcohol and Drug Abuse Institute, University of WashingtonEuropean Commission
Mots-clésHarmonizationEnvironmental scienceMeteorologyIndex (typography)Environmental resource managementGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

Portugal and Spain have a cross-border cooperation protocol on wildfires response for a buffer strip of 25 km for each side of the border. In spite of the success of this collaboration, there are issues to be improved, since Portuguese and Spanish authorities use different methodologies to assess the daily fire danger. A methodology to harmonize fire danger and its interpretation by the Portuguese and Spanish Civil protection authorities in the transboundary buffer strip area is hereby presented. The fire danger index used is the Canadian Fire Weather Index (FWI), which requires input from meteorological data and gives an indication of fire intensity. The fire danger class is an important decision support tool for preventing and fighting wildfires. Since the meaning of FWI values change from region-to-region according to its specific characteristics, a calibration process was performed based on statistical data of the daily FWI values, the number of fires and burned area between 2005 and 2013. The results of the FWI calibration and harmonization of the data for the five danger classes minimizes the fire danger discrepancies across the border. This methodology has the potential to be reproduced in other areas.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,208
Écart entre enseignants0,199 · 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'étudeSimulation ou modélisation
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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetFire effects on ecosystemsTravaux en français237 207