MétaCan
Menu
← Retour à la cohorte
Enregistrement W4322009963 · doi:10.5194/egusphere-egu23-9310

Assessing fire danger synchronicity in Europe

2023· preprint· en· W4322009963 sur OpenAlexaboutno aff
Andrina Gincheva, Alberto Díaz Moreno, Sónia Jerez, Juan Pedro Montávez, Marco Turco

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSynchronicityCompromiseFire protectionEnvironmental scienceGeographyClimatologyMeteorologyPolitical scienceLawEngineeringGeologyPsychology

Résumé

récupéré en direct d'OpenAlex

This contribution seeks to better understand recent changes in synchronous fire danger across Europe that can overwhelm fire suppression capacity. We analyze the spatio-temporal synchronicity of fire danger in Europe over the period 1979-2021 based on the Canadian Fire Weather Index, one of the most commonly used fire indices globally (FWI; Vitolo et al. 2020). The daily synchronicity index indicates the total area with a level of FWI above 50, that represents the extreme fire danger threshold as classified by the European Forest Fire Information System (EFFIS). The annual mean surface affected by synchronicity extreme fire danger increased by about 100000 km2 over the 42-year-long study period (i.e. 57% of the mean historical value). The expansion of synchronized fire potential can compromise fire management efforts.ReferencesVitolo, C., Di Giuseppe, F., Barnard, C., Coughlan, R., San-Miguel-Ayanz, J., Libertá, G., & Krzeminski, B. (2020). ERA5-based global meteorological wildfire danger maps. Scientific data, 7(1), 1-11.AcknowledgmentsWe acknowledge funding through the project ONFIRE, grant PID2021-123193OB-I00, funded by MCIN/AEI/ 10.13039/501100011033. A.G. thanks the Ministerio de Ciencia, Innovación y Universidades of Spain for PhD contract FPU19/06536.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,030
Tête enseignante GPT0,278
Écart entre enseignants0,248 · 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'étudeObservationnel
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→