MétaCan
Menu
← Retour à la cohorte
Enregistrement W4321502251 · doi:10.5194/egusphere-egu23-4547

High-resolution modeling of historical forest fires in the Canton of Bern

2023· preprint· en· W4321502251 sur OpenAlexaboutno aff
Renuka Prakash Shastri, Stefan Brönniman, Daniel Steinfeld

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceWeather Research and Forecasting ModelHigh resolutionPrecipitationFire hazardClimatologyGeographyPhysical geographyForestryMeteorologyEnvironmental protectionGeologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Forest fires are considered an important hazard in forested areas and a serious threat to forest ecosystem and buildings. The combination of drought, high temperatures, and wind increases the risk of forest fires. To better understand the fundamental causes and consequences of fire, we need to study the historical fire regimes. In this study, the meteorological conditions were simulated with the WRF model (Weather Research and Forecasting; Skamarock et al. 2008) for three historical forest fires, in the Canton of Bern, Switzerland (La Neuveville, April 1893, Simmenflueh, August 1911, Kirchberg, April 1915). In terms of area, these are the largest fires in the canton of Bern in the Swiss fire database. The "Twentieth Century Reanalysis" version 3 (20CRv3, Slivinski et al. 2019) was used as a boundary condition. 20CRv3 has a spatial resolution of about 75 km and a temporal resolution of three hours. Using WRF version 4.1.2 20CRv3 has now been gradually downscaled to a resolution of 1x1 km^2. Simulations suggest that the soil had dried out in the previous week and soil moisture had reached low values on the day the fire broke out. High-resolution fire weather indices are also calculated. A lack of precipitation and high temperatures led to high forest fire index values and a high to very high risk of forest fires. References[1] Slivinski, L. C.et al. (2019), Towards a more reliable historical reanalysis: Improvements to theTwentieth Century Reanalysis system. , Q. J. Roy. Meteorol. Soc. 145, 2876-2908.[2] Pfister, L. , S. Brönnimann, M. Schwander , FA Isotta , P. Horton, and C. Rohr, (2020) StatisticalReconstruction of Daily Precipitation and Temperature Fields in Switzerland back to 1864, Clim.past 16, 663-678.[3] Skamarock, WC, et al. (2008) A Description of The Advanced Research WRF Version 3. NCARTechnical Note.[4] Van Wagner, C.E. (1987): Development and Structure of the Canadian Forest Fire Weather IndexSystem, Forestry Technical Report, Canadian Forestry Service Headquarters, Ottawa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil0,441

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,229
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFire effects on ecosystems→Travaux en français237 207→