Fire deficit around Canadian boreal communities - source data
Notice bibliographique
Résumé
These are the source files used in Parisien et al. (2020) “Fire deficit increases wildfire risk for many communities in the Canadian boreal forest”. These files will allow the user to recreate the results of the study. - The study area boundary was defined by a selection of the Ecological zones of Canada (Ecological_zones_studyarea.zip). - Fire-regime zones are from Erni et al. (2020) (FRT_Canada_studyarea.zip). - Vegetation cover is based on the National FBP fuels grid version (2014b) (Beaudoin et al. 2014) (National_FBP_Fueltypes_version2014b.zip). - Community points are based on Natural Resources Canada 2010 Populated Places dataset, hand-corrected using aerial imagery (Boreal_communities_160.zip). - Fire polygons are based on the National Burned Area Composite 'NBAC' for 2002-2017 (NBAC_2002_2017.zip) and the National Fire Database 'NFDB' for 1978-2001 (NFDB_1978_2001.zip). - Fire ignition points are based on the National Fire Database 'NFDB' for 1988-2017 (NFDB_ignitions_1988_2017.zip). - Harvest sensitivity analysis is based on Canada Landsat Disturbance (CanLAD) dataset (Guindon et al., 2018) (CanLaD_2011cutblocks.zip). - Land cover sensitivity analysis is based on 2019 National Risk Analysis Fuels Map (Natoinal_Risk_Fuels_2019.zip) and 2011 MODIS Land Cover map (MODIS_Landcover_2011.zip). Statistics calculated in the paper include: percentage of recently burned forest (RBF) for 1978-2007, 1988-2017, and 1998-2017; ignition density for human- and lightning-caused fires; and percentage of area harvested 1985-2015 (Guindon et al., 2018). Datasets are periodically updated an may vary from the version provided here. Versions available here were last accessed: Oct. 2018 (NBAC, Bing Maps), June 7, 2019 (NFDB, 2014 Fuels, 2011 MODIS Land Cover), Dec. 2018 (2019 Fuels), and Nov. 2018 (Ecozones, Fire Regime Zones, and Community shapefiles). Works cited here: Beaudoin, A., P. Y. Bernier, L. Guindon, P. Villemaire, X. J. Guo, G. Stinson, T. Bergeron, S. Magnussen, and R. J. Hall. 2014. Mapping attributes of Canada’s forests at moderate resolution through kNN and MODIS imagery. Canadian Journal of Forest Research 44:521-532. Erni, S., Wang, X., Taylor, S., Boulanger, Y., Swystun, T., Flannigan, M., & Parisien, M. A. (2020). Developing a two-level fire regime zonation system for Canada. Canadian Journal of Forest Research, 50(999), 259-273. Guindon, L., Bernier, P., Gauthier, S., Stinson, G., Villemaire, P., & Beaudoin, A. (2018). Missing forest cover gains in boreal forests explained. Ecosphere, 9(1), e02094.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 ».