MétaCan
Menu
Retour à la cohorte
Enregistrement W4393599341 · doi:10.5281/zenodo.1407117

Fine Fuel Moisture Code - ERA-Interim

2018· dataset· en· W4393599341 sur OpenAlexaboutno aff
Francesca Di Giuseppe, Claudia Vitolo, Blazej Krzeminski, Jesús F. San Miguel

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2018
Typedataset
Langueen
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésInterimCode (set theory)MoistureEnvironmental scienceWaste managementComputer scienceGeographyEngineeringMeteorologyProgramming languageArchaeology

Résumé

récupéré en direct d'OpenAlex

The Fine Fuel Moisture Code (FFMC) is a numeric rating of the moisture content of litter and other cured fine fuels. This code is an indicator of the relative ease of ignition and the flammability of fine fuel. This is part of a larger dataset providing gridded field calculations from the Canadian Fire Weather Index System using weather forcings from the European Centre for Medium-range Weather Forecast (ECMWF) ERA-Interim reanalysis dataset (Vitolo et al., 2019). The dataset has been developed through a collaboration between the Joint Research Centre and ECMWF under the umbrella of the Global Wildfires Information System (GWIS), a joint initiative of the GEO and the Copernicus Work Programs. The whole dataset consists of seven indices, each of which describes a different aspect of the effect that fuel moisture and wind have on fire ignition probability and its behavior, if started. The indices are called: Fine Fuel Moisture Code (FFMC), Duff Moisture Code (DMC), Drought Code (DC), Initial Spread Index (ISI), Build Up Index (BUI), Fire Weather Index (FWI) and Daily Severity Rating (DSR). For convenience, each index is archived separately. This dataset can be manipulated using the caliver R package (Vitolo et al. 2017, 2018). Details: File format: netcdf4 Coordinate system: World Geodetic System 1984 (also known as WGS 1984, EPSG:4326). Longitude range: [-180, +180] Temporal resolution: 1 day Spatial resolution: 0.7 degrees (~80 Km) Spatial coverage: Global Time span: from 1980-01-01 to 2018-06-30

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,059
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0340,039

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 Opus0,023
Tête enseignante GPT0,241
Écart entre enseignants0,218 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetReal-time simulation and control systemsTravaux en français237 207