Mapping the wildfire threat to boreal communities
Notice bibliographique
Résumé
Considerable interest and effort in identifying significant wildfire risk is drawn from the catastrophic impact of increasingly large and destructive wildfires on people, their health and safety, and the values and developments that support them. Improved methods include updated efforts to represent hazard and exposure across landscapes and within communities. The tools and techniques applied and evaluated here are collectively called Wildfire Exposure Assessment, a process developed and published by Jennifer L. Beverly (University of Alberta) and others. The simplicity and speed of the Exposure Assessment method make it an important prospect for communities planning for the protection of their citizenry and the values that support them. It makes few assumptions about factors difficult to assert and quantify over planning time horizons. Applied here specifically for communities in the Boreal biome, its utility is evaluated for three communities: Anchorage and Fairbanks in Alaska, and Whitehorse in the Yukon Territory. Further, it has been applied to all lands for both Alaska and the Yukon Territory based on vegetation classification from 2014. To this day, all spatial depictions of wildfire hazard begin as vegetation maps. The NASA Arctic Boreal Vulnerability Experiment (ABoVE), among its many environmental assessments, produced a consistent, historical catalog of vegetation and land cover classifications over the life of the LANDSAT period of record, dating to 1984. These provided a consistent and useful set of products for use in establishing the spatial distribution of wildfire hazards and the utility these datasets could provide for the three boreal communities considered.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».