MétaCan
Menu
Retour à la cohorte
Enregistrement W4393092140 · doi:10.1071/wf23144

Australian Fire Danger Rating System Research Prototype: a climatology†

2024· article· en· W4393092140 sur OpenAlexaff
Stéphane Sauvage, Paul Fox‐Hughes, Stuart Matthews, B. J. Kenny, J. J. Hollis, Saskia Grootemaat, John W. Runcie, A. Holmes, Rebecca M. B. Harris, Peter T. Love, Grant J. Williamson

Notice bibliographique

RevueInternational Journal of Wildland Fire · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensDepartment of Environment and Conservation
Organismes subventionnairesNational Cancer InstituteAustralian GovernmentNational Computational Infrastructure
Mots-clésRating systemFire regimeClimatologyEl Niño Southern OscillationBorealMeteorologyGeographyEnvironmental scienceGeologyArchaeologyEcologyEcosystem

Résumé

récupéré en direct d'OpenAlex

Background Historical records of fire weather phenomena provide valuable insights into spatial and temporal trends which can inform further research and are important tools for planning. Aims We outline a 19-year climatology of a Research Prototype (AFDRSRP), of the new Australian Fire Danger Rating System, documenting its spatial and temporal characteristics. Methods The analysis utilises the Australian Bureau of Meteorology’s high-resolution reanalysis suite (BARRA), together with fuel data provided by Australian fire agencies. We examine the spatial and temporal distribution of the AFDRSRP. Distributions are categorised by fuel type, analysing relative variability across time and space. Key results The results validate the broad behaviour of the new system and provide insight into the variation of fire danger throughout Australia, adding detail to the understanding of timing of peak fire danger both diurnally and annually. Conclusions While the AFDRSRP differs from the operational system in its fire danger rating categories and tuning of algorithms, it nonetheless provides useful insights into the operational implementation. Implications These results will be essential for planning during fire seasons.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,369

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,025
Tête enseignante GPT0,325
Écart entre enseignants0,300 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Wildland FireMême sujetFire effects on ecosystemsTravaux en français237 207