Quantifying Firebrand Production and Transport Using the Acoustic Analysis of In-Fire Cameras
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Firebrand travel and ignition of spot fires is a major concern in the Wildland-Urban Interface and in wildfire operations overall. Firebrands allow for the efficient breaching across fuel-free barriers such as roads, rivers and constructed fuel breaks. Existing observation-based knowledge on medium-distance firebrand travel is often based on single tree experiments that do not replicate the intensity and convective updraft of a continuous crown fire. Recent advances in acoustic analysis, specifically pattern detection, has enabled the quantification of the rate at which firebrands are observed in the audio recordings of in-fire cameras housed within fire-proof steel boxes that have been deployed on experimental fires. The audio pattern being detected is the sound created by a flying firebrand hitting the steel box of the camera. This technique allows for the number of firebrands per second to be quantified and can be related to the fire's location at that same time interval (using a detailed rate of spread reconstruction) in order to determine the firebrand travel distance. A proof of concept is given for an experimental crown fire that shows the viability of this technique. When related to the fire's location, key areas of medium-distance spotting are observed that correspond to regions of peak fire intensity. Trends on the number of firebrands landing per square metre as the fire approaches are readily quantified using low-cost instrumentation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle