Análisis histórico del Drought Code en la Comunidad Valenciana para la obtención de niveles de riesgo de incendios forestales
Bibliographic record
Abstract
[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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".