NBIC-ACS Stage 2 Canadian Forest Fire Weather Index - projected scenarios, 5%, 2% and 1% annual exceedance probabilities
Notice bibliographique
Résumé
Canadian Forest Fire Weather Index (FWI) is a fire weather potential index that describes how current weather conditions and recent precipitation patterns could support a landscape fire. While originally was developed for boreal forests, it is now adapted for use in various regions and climates and include other vegetations like grasslands, broadleaf forest and shrublands. FWI calculations are based on Van Wagner & Pickett (1985) and dependent on air temperature, relative humidity, precipitation and wind speed. Returned values start from 0 but don’t have an upper bound constraint. Values above 200 were not anticipated to occur in Canada (Van Wagner (1987) but are regularly reported in Australia. The data provided here is unbounded. Here we provide predicted upper-bound FWI values across the Australian landscape, defined for a set of annual exceedance probabilities (AEP) modelled using extreme values analysis on more than 43 years of daily data. The FWI potential rasters represent reasonable worst case extreme conditions. Specifically, the rasters represent the FWI potential for given AEPs of 20%, 10%, 5%, 2% and 1%. These FWI AEPs are based on the projected weather timeseries developed by NBIC using the historical regional weather reanalysis dataset BARRA-R2 [1], and CMIP6-CCAM Regional Climate Models (RCM) [2]. The Regional Climate Models (RCM) considered are: • ACCESS ESM 1.5 • EC-Earth 3 • CMCC ESM2 • CNRM ESM 2.1 • NCAR CESM2 • NorESM2 MM The future climate change scenarios considered are: • Shared Socioeconomic Pathway (SSP) SSP 1-26: Sustainability • SSP 3-70: Regional Rivalry • SSP 3-70: Regional Rivalry, using wind speed from the baseline scenario The combination of RCMs and future climate change scenarios results in a suite of 18 projected FWI potential datasets.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».