Applying a Fire Exposure Metric in the Artificial Territories of Portugal: Mafra Municipality Case Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Portugal’s increasing wildfire frequency has led to home destruction, large areas burned, ecological damage, and economic loss, emphasizing the need for effective fire exposure assessments. This study builds on a Canadian approach to wildfire exposure and evaluates wildfire exposure in the Portuguese municipality of Mafra, using artificial territories (AT) as a proxy for the wildland–urban interface (WUI) and integrates land use land cover (LULC) data with a neighborhood analysis to map exposure at the municipal scale. Fire exposure was assessed for three fire transmission distances: radiant heat (RH, <30 m), short-range spotting (SRS, <100 m), and longer-range spotting (LRS, 100–500 m) using fine resolution (5 m) LULC data. Results revealed that while AT generally exhibited lower exposure (<16% “very high” exposure), adjacent hazardous LULC subtypes significantly increase wildfire hazard, with up to 51% of LULC subtypes classified as “very high exposure”. Field validation confirmed the accuracy of exposure maps, supporting their use in wildfire risk reduction strategies. This cost-effective, scalable approach offers actionable insights for forest and land managers, civil protection agencies, and policymakers, aiding in fuel management prioritization, community preparedness, and the design of evacuation planning. The methodology is adaptable to other fire-prone regions, particularly mediterranean landscapes.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle