MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392581064 · doi:10.5194/egusphere-egu24-8496

ONFIRE Dataset: Harmonizing Decades of Wildland Fire Data

2024· preprint· en· W4392581064 sur OpenAlexaboutno aff
Andrina Gincheva

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

We present the ONFIRE Dataset (Gincheva et al., 2023), a gridded monthly burned area (BA) data product with national wildland data from several regions: Australia (since 1950), Canada (since 1959), Chile (since 1985), Europe (since 1980) and the United States (since 1984), covering up to the year 2021. This database is organised on a uniform 1° × 1° grid, providing a consistent spatial resolution for global analysis. Records from different sources and regions have been extracted and harmonised using open and reproducible methods. The data remapping and validation process ensures consistency and comparability between different regions. This dataset complements existing remotely sensed databases, offering users the opportunity to explore and analyse changes in fire regimes. The ONFIRE Dataset is accessible on Zenodo (https://zenodo.org/records/8289245; Gincheva & Turco, 2023).ReferencesGincheva, A., Pausas, J. G., Edwards, A., Provenzale, A., Cerdà, A., Hanes, C., ... & Turco, M. (2023). A monthly gridded burned area database of national wildland fire data (ONFIRE).Gincheva, A., & Turco, M. (2023). ONFIRE dataset: Monthly Gridded Burned Area data (1.0) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.8289245AcknowledgementsA.G. thanks to the Ministerio de Ciencia, Innovación y Universidades of Spain for Ph.D. contract FPU19/06536. M.T. acknowledges funding by the Spanish Ministry of Science, Innovation, and Universities through the Ramón y Cajal Grant Reference RYC2019-027115-I and through the project ONFIRE, grant PID2021-123193OB-I00, funded by MCIN/AEI/ 10.13039/501100011033 and by “ERDF A way of making Europe”. S.J. acknowledges funding by the MCI/AEI Ramón y Cajal Grant Reference RYC2020-029993-I. M.B., A.P., and M.M. acknowledge the support of the European Union - NextGenerationEU in the framework of the National Biodiversity Future Center of Italy; A.P. and M.M. acknowledge the support of the EU project FireEUrisk, grant no. 101003890. M.E.G acknowledges research support provided by ANID/FONDECYT N° 1231573 and ANID/FONDAP 15110009; COD 1522A0001. R.L. was supported by FAPERJ (Grant E-26/200.329/2023) and CNPQ (Grant 311487/2021-1). M.M.B. acknowledges funding from the New South Wales Government (NSW Bushfire and Natural Hazards Research Centre) and the Australian Research Council (DP 220100795). F.M. and E.C. were supported by the European Space Agency FireCCI project.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,009

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 Opus0,057
Tête enseignante GPT0,284
Écart entre enseignants0,227 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFire effects on ecosystems→Travaux en français237 207→