Notice bibliographique
Résumé
Over the last decade, communities across North America, including those in the Western United States, Canada, the Hawaiian Islands, and Texas, have repeatedly struggled to respond to increasingly destructive wildfire events. California experienced fires that consumed 1.5 million acres in 2017 and 1.9 million acres in 2018 across federal, state, and local jurisdictions, bringing the rolling five-year average of the annual burned area to more than one million acres (CAL FIRE, Statistics. https://www.fire.ca.gov/stats-events/ . Accessed 28 July 2022, 2024). Between 2017 and 2021, more than two million acres burned each year in California. Both the 2021 Dixie Fire (CAL FIRE, Dixie Fire Incident. https://www.fire.ca.gov/incidents/2021/7/13/dixie-fire . Accessed 12 May 2024, 2022) in the Sierra Nevada and Cascade Mountains in California and the 2024 Smokehouse Creek Fire (NASA, March 2, 2024 – Smokehouse Creek Fire scalds Texas. https://modis.gsfc.nasa.gov/gallery/individual.php?db_date=2024-03-02 . Accessed 12 May 2024, 2024) in the Texas Panhandle and western Oklahoma burned approximately one million acres each. As burned areas increase, so do the immediate and long-term consequences of the incidents, from the challenges faced by first responders and residents in the face of an oncoming fire to the economic and humanitarian toll inflicted by flood and infrastructure damage in the months and years afterward. There is an urgent need to invest in understanding the increasing scale of these problems, identify community-specific risk management and emergency response needs, and develop or apply innovative technologies, policies, and solutions to improve public safety and facilitate community reconstruction and resilience to wildfire events. This chapter presents a discussion of recent wildfire events affecting the Western United States and identifies a cross-section of issues affecting communities within and downslope of areas affected by wildfire events.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».