Copula in Wildfire Analysis: A Systematic Literature Review
Notice bibliographique
Résumé
AbstractCopula model is a method that can be implemented in various study fields, including analyzing wildfires. The copula distribution function gives a simple way to define joint distribution between two or more random variables. This study aims to review the application of copula in the analysis of wildfires using a Systematic Literature Review (SLR) and provide insight into research opportunities related to the application in Indonesia. The results show there are very few articles using the copula model in the analysis of wildfires. However, the increasing number of article citations each year shows the importance of such article research and has contributed to wildfire analysis development. In that article, 50% of studies applied the copula model to direct wildfire analysis (using fire data) in Canada, Portugal, and the US. Meanwhile, the other 50% use the copula model for indirect wildfire analysis (not using fire data) in Canada and the European region. The outcome of the presented review will provide the latest research positions and future research opportunities on the application of copula in the analysis of wildfires in Indonesia.Keywords: copula; wildfire; systematic literature review. AbstrakModel copula merupakan metode yang dapat diimplementasikan pada berbagai bidang penelitian, salah satunya pada analisis kebakaran hutan. Fungsi sebaran copula memberikan cara yang mudah untuk mendefinisikan sebaran peluang bersama antara dua peubah acak atau lebih. Tujuan penelitian ini mengulas penerapan model copula tersebut pada analisis kebakaran hutan dalam studi literatur menggunakan Systematic Literature Review (SLR) serta memberikan peluang riset ke depan terkait implementasinya pada analisis kebakaran hutan di Indonesia. Hasil penelitian menunjukkan bahwa model copula pada analisis kebakaran hutan masih sangat sedikit. Namun, peningkatan jumlah sitasi artikel tiap tahun menunjukkan pentingnya penelitian tersebut dan memiliki kontribusi pada perkembangan analisis kebakaran hutan. Pada artikel tersebut, sebanyak 50% penelitian menerapkan model copula pada analisis kebakaran secara langsung (menggunakan data kebakaran) di Kanada, Portugal, dan Amerika. Sementara, sebanyak 50% lainnya menerapkan model copula pada analisis kebakaran secara tak langsung (tidak menggunakan data kebakaran), yaitu di Kanada dan kawasan Eropa. Hasil tinjauan memberikan posisi riset terkini serta usulan riset ke depan mengenai penerapan model copula untuk analisis kebakaran hutan dan lahan di Indonesia.Kata kunci: copula; kebakaran hutan; studi literatur sistematik.
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 | 0,021 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,020 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».