Validating a landscape metric to map fire exposure to hazardous fuels in Portugal
Notice bibliographique
Résumé
Abstract Assessing wildfire hazard at the landscape level in Portugal with low-cost and time-saving methods is necessary to guide land and fire managers and protect communities at risk. This study applied a landscape metric developed in Canada to map wildfire exposure in Mainland Portugal between 1995 and 2018. The wildfire exposure metric was computed and validated by examining exposure within subsequently burned areas over five years: 1995, 2007, 2010, 2015, and 2018. Landscape fire exposure was computed by the proportion of neighborhood cells in a 100 m resolution grid that include hazardous fuel types. The resultant exposure metric analyzes the amount of land cover type in the area of a site that will either aid or prevent fire spread. The distribution of exposure levels remained relatively stable over time, decreasing just 0.5% from 1995 to 2018. Approximately 80% of burned areas occurred in sites with substantial exposure (i.e., ≥ 80%). This exposure metric, originally developed in Canada, aligned well with wildfires modulated by Portuguese climate and vegetation, leading to its successful validation. This study uses a simple, time-saving method to show high and low wildfire exposure areas, allowing managers to plan mitigation efforts at different scales, with potential applications for other countries facing large 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».