Validation of ERA5 fire weather conditions in Greece between 2007 and 2019: A preliminary analysis
Notice bibliographique
Résumé
Accurate simulations of fire weather conditions for both the past and the future are of great importance for fire management and preparedness. With the advancement of numerical weather prediction models and data assimilation techniques, more accurate reanalysis products have been developed the recent years. Here we validate fire weather conditions in Greece which are computed based on ERA5 reanalysis data using surface observations from the automatic weather station network of the National Observatory of Athens (NOA). We assess the fire weather conditions in an application of the Canadian Forest Fire Weather Index (FWI) System in both datasets. Although, ERA5 FWI archive is available since 1979 here we limit our analysis during the period of 2007 to 2019, due to the limited data availability from the NOA network. The validation of FWI in ERA5 data shows good agreement with the NOA observations with a mean correlation of 0.87. Furthermore, FWI in ERA5 data is overall slightly underestimated compared to NOA observations, which is driven by an underestimation of the three moisture components of FWI, namely the Fine Fuel Moisture Code (FFMC), the Drought Code (DC) and the Duff Moisture Code (DMC). Preliminary results also indicate that the largest errors are found over the eastern and southern parts of Greece, which is the are that experiences the highest FWI values during the summer.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,006 | 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 tête enseignante, 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 ».