MétaCan
Menu
Retour à la cohorte
Enregistrement W4390755495 · doi:10.1016/j.envint.2024.108439

Satellite microwave measurements complementary to fire weather improve the assessment of fires among different biomes in Southeast Asia

2024· article· en· W4390755495 sur OpenAlexaff
Yuyun Fu, Jiheng Hu, Jiawei Duan, Qingyang Liu, Weiguo Song, Rui Li

Notice bibliographique

RevueEnvironment International · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceBiomeSatelliteMeteorologyClimatologySoutheast asiaGeographyRemote sensingGeologyEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

Microwaves have the advantage of penetrating vegetation and exhibit sensitivity to properties such as vegetation water content (VWC); yet, their potential utility in the fire domain is infrequently investigated. This study elucidates the different impacts of the microwave VWC index EDVI on fire radiative energy (FRE) across various biome types and the significant predictive power for high-severity fires (defined based on FRE) in mainland Southeast Asia. While EDVI exhibits lower predictive power for high severe fires compared to the commonly used fire weather indices (e.g., FWI), an enhancement is observed when these predictors are used in combination. Either by employing EDVI or fire weather indices, the predictability of fires is found to be highest over forests and lowest over croplands. Factors such as increasing human influence and fuel limitation in croplands are likely reducing the roles of VWC and weather on fires, contributing to the lower prediction skill of EDVI and fire weather. These results indicate the usefulness of microwave VWC index in fire studies. Although fire weather presents more considerable impacts on fires, the microwave VWC index seem to still provide some complementary information in fire danger assessment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,141
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,250
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment InternationalMême sujetFire effects on ecosystemsTravaux en français237 207