MétaCan
Menu
Retour à la cohorte
Enregistrement W7035720301

Análisis histórico del Drought Code en la Comunidad Valenciana para la obtención de niveles de riesgo de incendios forestales

2021· dissertation· es· W7035720301 sur OpenAlexaboutno aff

Notice bibliographique

RevueRiuNet (Politechnical University of Valencia) · 2021
Typedissertation
Languees
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLineaFlash floodIndex (typography)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

[ES] El índice de sequía (Drought Code, DC) estima la pérdida de humedad 
\nalmacenada en la capa orgánica del suelo diariamente. Este indicador de los efectos 
\nestacionarios de la sequía sobre la materia orgánica presente en los suelos y en la biomasa 
\nforestal fue desarrollado como parte del índice Fire Weather Index (FWI) del Servicio 
\nForestal canadiense (Canadian Forest Service). El FWI, desarrollado para zonas boreales,
\nno tiene una buena aplicabilidad en los ecosistemas mediterráneos por las claras 
\ndiferencias entre ambos tipos de ecosistemas. Sin embargo, el DC por sí mismo permite 
\nconocer cómo funcionan los patrones de sequía y este conocimiento puede relacionarse 
\ncon otros problemas de carácter medioambiental como es el de los incendios forestales. 
\nMediante el uso del conjunto de temperaturas máximas y precipitaciones diarias, 
\nobtenidas por las estaciones de la Agencia Española de Meteorología (AEMET), se ha 
\ncalculado el Drought Code para el periodo 1976 2019, usando el año 1975 como 
\ncalibración del índice. Los datos se encuentran en forma de rejillas multitemporales de 5 
\nkilómetros que cubren la España peninsular y las Islas Baleares. 
\nEl objetivo principal de este trabajo fin de máster es relacionar los valores 
\nhistóricos del Drought Code con los incendios forestales que han tenido lugar en la 
\nComunidad Valenciana desde 1978 para obtener umbrales de riesgo de incendios basados 
\nen este índice de sequía. 
\nPara lograr este objetivo principal se han definido los siguientes objetivos 
\nsecundarios: 1) obtener los valores de evapotranspiración diaria para toda la serie 
\ntemporal; 2) calcular el índice de sequía ; 3) incluir en la base de datos del DC los sucesos 
\nde incendios forestales correspondientes a la serie temporal; 4) describir la relación 
\nestadística que existe entre el índice de sequía y los incendios forestales en la Comunidad 
\nValenciana y 5) establecer niveles de riesgo de incendios forestales basados en el índice 
\nde sequía. 
\nComo resultado final se han obtenido una serie de umbrales que se basan en los 
\npercentiles del conjunto de datos del índice de sequía calculado para cada punto de rejilla. 
\nSe ha considerado que el mayor nivel de riesgo se produce a partir del percentil 90 ya que 
\nentre este valor y el percentil 100 se producen, aproximadamente, el 20% de los conatos, 
\nel 25% de los incendios y más del 50% de los grandes incendios

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,233
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRiuNet (Politechnical University of Valencia)Même sujetFire effects on ecosystemsTravaux en français237 207