MétaCan
Menu
Back to cohort
Record W7112141663

Modelos de combustibles específicos para comunidades de matorral desarbolado y helechales en Galicia

2025· article· es· W7112141663 on OpenAlexfundno aff

Bibliographic record

VenueBuleria (Universidad de León) · 2025
Typearticle
Languagees
FieldEnvironmental Science
TopicFire effects on ecosystems
Canadian institutionsnot available
FundersCanadian Forest ServicePacific Northwest Research StationU.S. Forest ServiceEuropean CommissionNatural Resources CanadaU.S. Department of Agriculture
KeywordsVegetation (pathology)AgrégationMXenes
DOInot available

Abstract

fetched live from OpenAlex

[ES] Tanto los simuladores geoespaciales de comportamiento y riesgo de incendio, como los modelos y software de evaluación de efectos y estimación de emisiones suelen utilizar modelos de combustible estándar para simplificar la recogida de datos y la inclusión de escenarios de combustible complejos. Es habitual generar cartografía de estos modelos utilizando información obtenida de sensores remotos. Sin embargo, dada la gran complejidad de los complejos de combustible, con propiedades que varían ampliamente tanto en el tiempo como en el espacio, el uso de modelos estándar puede limitar en gran medida la precisión de la cartografía generada. Esto afecta a la evaluación del riesgo de incendio, a la planificación de tratamientos de gestión del combustible, a la toma de decisiones en durante la extinción y a la evaluación del impacto medioambiental de los incendios. En este estudio se han desarrollado modelos de combustible personalizados y específicos para comunidades de matorral desarbolado y helechales, utilizando el análisis clúster k-medoids basado tanto en las características estructurales del combustible como en el comportamiento potencial del fuego. Para ello, utilizamos una base de datos de 722 parcelas con muestreo destructivo distribuidas entre nueve comunidades diferentes de matorral y helechal y cubriendo toda el área de distribución de estas comunidades en Galicia, una de las regiones de Europa más afectadas por los incendios forestales. Se utilizaron variables estructurales como la cobertura, la altura media y las cargas de fracciones de combustible diferenciadas por tamaño y estado vegetativo (vivo o muerto) para estimar el comportamiento del fuego potencial incluyendo la velocidad de propagación (utilizando cinco modelos diferentes, tres empíricos, uno semifísico y uno físico), la intensidad lineal, el calor por unidad de superficie y la longitud de la llama en cada lugar de muestreo y considerando condiciones ambientales extremas. El número óptimo de grupos se estableció combinando el conocimiento sobre el terreno de las comunidades de matorral objeto de estudio y de su comportamiento de fuego asociado, con la maximización del valor medio de la variable silhouette y la minimización de la suma de cuadrados de las distancias entre observaciones dentro de cada grupo. Las características estructurales de la parcela representativa de cada grupo (medoide) se asociaron a cada uno de los cuatro modelos de combustible propuestos para comunidades de matorral y a los dos modelos de combustible propuestos para helechales. Finalmente, se desarrolló una clasificación dicotómica simple basada únicamente en la altura del matorral que facilitará el desarrollo de mapas de modelos de combustible espacialmente explícitos basados en datos de teledetección. Por tanto, la metodología aplicada permite generar una representación más realista de la distribución del combustible en el paisaje, basada en mediciones de la estructura del combustible de ecosistemas regionales naturales en lugar del uso de modelos estándar. Creemos que la metodología propuesta podría generalizarse a comunidades compuestas por otras especies de matorral o helechos de diferentes regiones biogeográficas, ampliando así su aplicabilidad.

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 machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.035
Threshold uncertainty score0.069

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0020.001
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.008
GPT teacher head0.248
Teacher spread0.240 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2025
Admission routes1
Has abstractyes

Explore more

Same venueBuleria (Universidad de León)Same topicFire effects on ecosystemsFrench-language works237,207