Reanalysis of ECMWF data for updating the Fire Weather Index for the Indonesia Fire Danger Rating System (InaFDRS)
Notice bibliographique
Résumé
Fire Weather Index (FWI) as one of the parameters of the Fire Danger Rating System (FDRS) was developed about 80 years ago. The most widely adopted index is the Canadian FWI. The FWI requires daily temperature, humidity, and wind speed measured at local noon, and accumulation of rainfall over the last 24 hours. Since 2018, FWI has been measured for the Regency of Ogan Komering Ilir (OKI), South Sumatra District. To supplement the sparse weather stations, we used the daily ECMWF (European Centre for Medium-Range Weather Forecasts ) reanalysis from 1979 to 2018 to calculate the FWI values. Data reanalysis using power spectral density function show intra-seasonal cycles (5.9 months) and annual cycles (11.9 months) of monsoons, and 3- year cycles detected from Indian Ocean Dipole (IOD) phenomena and cycles of El Niño Southern Oscillation (ENSO) phenomena with repeat signals every 1.5, 3.5, 5.5, and 9.75-years cycle. The pattern of changes in the FWI time series values follows the local weather system, the regional climate system (monsoon), the climate system in the Indian Ocean with its IOD phenomenon, and the tele-connected climate system in the Pacific Ocean, ENSO phenomenon. Based on this pattern, an updated FWI classes was determined to better fit the climate condition of Indonesia, specifically OKI Regency that yield a better rating for the FDRS
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».