Assessing Lightning and Wild Fire Hazard by Land Properties and Cloud to Ground Lightning Data with Association Rule Mining over Alberta, Canada
Notice bibliographique
Résumé
Characteristics of Cloud to Ground (CG) lightning over Alberta, Canada were investigated by using 2010-2016 lightning data with data mining methods. The hotspot analysis was implemented to find the regions with high frequency CG lightning strikes clustered together. Generally, hotspot regions are located in central, central east and south central regions of the study regions. About 94% of annual lightning occurred in warm months (June to August) and the daily lightning frequency was influenced by diurnal heating cycle. The CG lightning frequency associated with land properties was investigated by measuring preference index (PI). The association rule mining technique was used to investigate frequent CG lightning patterns, which were verified by similarity measurement to check the patterns’ consistency. The verification of CG lightning hazard map generated with 2010-2014 data was carried out by comparing it to unprocessed raw CG lightning data from 2015-2016. The similarity coefficient values indicated that there were high correlations throughout the entire study period. The actual CG lightning generally occurred more frequently in higher risky regions in the lightning hazard map. Most wild fire (around 93%) in Alberta occurred in forests, wetland forests and wetland shrub areas. It was also found that lightning and wild fire occur in two distinct areas: frequent wild fire region with a high frequency of lightning, and frequent wild fire region with a low frequency of lightning. Further, preference index (PI) revealed locations where the wild fires occurred more frequently than in other class regions. As one of the potential applications of this research, the wild fire hazard area was estimated with the CG lightning hazard map and specific land use types.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».