Burn-P3 modelling of fire behaivour on Rose Swanson Mountain, British Columbia before and after harvesting
Notice bibliographique
Résumé
It has been long known that wildfire and harvesting can have a relationship. However, this relationship is not straightforward and well understood. In this paper, we hope to quantify the impact of proposed harvesting on the wildfire severity and probability on Rose Swanson Mountain. Rose Swanson Mountain is a small mountain in South Central BC near the town of Armstrong used by the locals for its bountiful outdoor recreation. In early 2020 British Columbia Timber Sales added part of the Rose Swanson Mountain Sensitive Area to its list of soon-to-be harvested areas. This paper illustrates the research done in BurnP3 and ArcPro to simulate and measure fire in a pre and post logged Rose Swanson. After 5,000 iterations of the BurnP3 model using the pre-logging fuel type data, the fire probability ranged from 0% to 49.7%, with a mean probability of 6.45% across the landscape. After 5000 iterations of the BurnP3 model using post logging fuel types on Rose Swanson, the burn probability ranged from 0-49.34%, with a mean of 6.43% across Rose Swanson Mountain. This indicated the fire probability across the mountain and little increase as a whole. However, an apparent increase in fire probability was present in the close vicinity to the logged areas. Additionally, the pre-logged average fire intensity values on Rose Swanson ranged from 0 to 60,599 kW/m with a mean value of 2,841 kW/m, while the post-logged ranged from 0 to 122,849 KW/m with a mean of 3,183 kW/m. This difference was clear in the maps produced by BurnP3. While the results were insightful, many limitations were noted, including poor fuel type accuracy, limited model run count, and low-resolution data. The research offers valuable insight into the wildfire and harvesting relationship and sets the toon for further research.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».