The Hunt for Missing Tornadoes: Using Satellite Imagery to Detect and Document Historical Tornado Damage in Canadian Forests
Notice bibliographique
Résumé
Abstract Historical tornado events from 1982 to 2020 were documented within Canada’s forested regions using high-resolution satellite imagery. Tornado forest disturbances were identified using a three-step process: 1) detecting, 2) assessing, and 3) dating each event. A grid of 120 km × 120 km boxes was created covering Canada (excluding the extreme north). Of the 484 boxes, 367 were manually searched. Once a long, narrow region of tree damage was detected, it was first cross-referenced with known tornado databases to ensure it was a unique event. Once events were classified as either tornadic or downburst, the coordinates of the start, worst damage, and end locations were documented, as well as the direction of motion, damage indicators, degree of damage, estimated maximum wind speed, and F/EF-scale rating. In total, 231 previously unknown tornadoes were identified. In Ontario, 103 events were discovered, followed by 98 in Quebec, 9 in Manitoba, 6 in Saskatchewan, 9 in Alberta, 5 in British Columbia, and 1 in New Brunswick. The largest number of discovered tornadoes occurred in 2015, and the largest number of strong F2 tornadoes occurred in 2005. Most of the discovered tornadoes occurred in July for both F/EF1 and F/EF2 ratings. Most tornado tracks had widths between 200 and 400 m, and more than 50% of the tornadoes had a pathlength of less than 10 km. Of all the events that were discovered, 125 events could be fully dated, 19 were dated only by month, 41 were dated only by year, and 46 remained undated.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».