MétaCan
Menu
Retour à la cohorte
Enregistrement W7115736710 · doi:10.25919/2165-2g45

NBIC-ACS Stage 2 Canadian Forest Fire Weather Index - baseline scenario, 20% and 10% annual exceedance probabilities

2025· dataset· W7115736710 sur OpenAlexaboutno aff

Notice bibliographique

RevueCSIRO · 2025
Typedataset
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExtreme weatherBaseline (sea)PrecipitationIndex (typography)Metric (unit)StormBorealNumerical weather prediction

Résumé

récupéré en direct d'OpenAlex

The 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. FWI calculations are based on Van Wagner & Pickett (1985) and Van Wagner (1987), and dependent on air temperature, relative humidity, wind speed and precipitation. The metric was developed with the worst conditions believed possible in Canada corresponding to a value of 200, although in Australia values above 200 are regularly reported. This metric was also originally developed for boreal forests, although was later generalised to different climate and vegetations. Here we provide predicted upper-bound FWI values across the Australian landscape, defined for a set of Annual Exceedance Probabilities. We calculate FWI based on the latest Bureau of Meteorology historical weather reanalysis BARRA-R2, reporting modelled hourly weather conditions from 1979 to current at a spatial resolution of approximately 11 kilometres. More than 400,000 data points at every location are then processed using the National Bushfire Intelligence Capability (NBIC) Extreme Values Analysis to predict extreme daily maximums and their likelihood. FWI is not used routinely in Australia, however it is the reference fire weather metric for other national and international contexts. As such it can play an important role in reporting the evolution of Australian bushfire hazard in international forums. All these characteristics result in datasets that are a significant advancement in defining extreme fire weather, surpassing previous approaches and offering a robust foundation for informed decision-making in managing and mitigating Australia’s growing bushfire risks in a changing climate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,243
Écart entre enseignants0,232 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreJeu de données

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCSIROTravaux en français237 207