MétaCan
Menu
Retour à la cohorte
Enregistrement W7056141394

Elaboración de modelos espaciales predictivos de ocurrencia de incendios forestales asociada a la actividad humana

2009· article· es· W7056141394 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

Revuee_Buah · 2009
Typearticle
Languees
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesMinisterio para la Transición Ecológica y el Reto DemográficoUniversidad de AlcaláComunidad de MadridMinistry of EnvironmentUniversidad de ZaragozaUniversity of Toronto
Mots-clésRoad trafficCoronavirus disease 2019 (COVID-19)Monitoring and control
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Los incendios forestales son un fenómeno de gran importancia a nivel global, con importantes consecuencias a todos los niveles (ecológico, económico, social, etc.). En los ambientes mediterráneos han estado ligados a lo largo de la historia al manejo del territorio, aunque el equilibrio se ha roto en las últimas décadas. En estas áreas, la mayor parte de los incendios obedecen a causas humanas. Para llevar a cabo unas buenas labores de prevención resulta de utilidad contar con sistemas de predicción de riesgo de incendio. Es necesario, para ello, contar con información adecuada acerca del fenómeno. El objetivo principal desarrollado en esta tesis ha sido la elaboración de modelos predictivos de ocurrencia de incendios asociada a la actividad humana, los cuales han formado parte de un índice integrado de riesgo de incendio forestal a disposición de gestores en materia de incendios, en el marco del proyecto Firemap. Las áreas de estudio han sido la C. de Madrid, Aragón, C. Valenciana y provincia de Huelva en España. Los modelos se han elaborado a partir de variables de tipo socioeconómico y de ocurrencia de incendios por causa humana, mediante el empleo de regresión logística y a una resolución de 1km2. Para la elaboración y manejo de la información espacial requerida se han empleado Sistemas de Información Geográfica. Estos modelos se han comparado con otros obtenidos a partir de otras técnicas estadísticas (Árboles de Clasificación y Redes Neuronales). A continuación, se ha procedido al empleo de información de ocurrencia de incendios espacialmente más precisa para la obtención de nuevos resultados en la C. de Madrid. Los nuevos modelos se ajustaban mejor a la realidad territorial del fenómeno. A continuación, en dicha área (en la que se contaba con más información disponible), se han elaborado modelos que incluyen la componente temporal y física para la predicción de incendios por causa humana. Para ello, se han empleado Generalized Additive Models, extensión de los modelos lineales generales a los que pertenece la regresión logística, y variables socioeconómicas y meteorológicas junto con la elevación del terreno. Los resultados obtenidos muestran un grado de ajuste satisfactorio a partir del empleo de una variable de ocurrencia de incendios más precisa espacialmente y la inclusión de variables de tipo dinámico. Finalmente, los modelos de ocurrencia por causa humana se han integrado con los de causa rayo, comparando dos áreas de estudio de diferente causalidad de incendio, C. de Madrid y Aragón. Los resultados obtenidos señalan la necesidad de contar con información precisa de la localización del origen de los incendios pero señalan la importancia en el desarrollo metodológico para integrar ambos modelos predictivos. La elaboración de modelos predictivos de incendios forestales resulta de gran interés debido a que es la causa principal de incendios, siendo difícil debido a que el comportamiento humano es difícil de predecir y modelizar. El empleo de Sistemas de Información Geográfica constituye una herramienta fundamental para el manejo de la información espacial.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,009
Tête enseignante GPT0,299
Écart entre enseignants0,290 · 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