MétaCan
Menu
Retour à la cohorte
Enregistrement W1946614090 · doi:10.1071/wf15083

Climate change presents increased potential for very large fires in the contiguous United States

2015· article· en· W1946614090 sur OpenAlexaff
Renaud Barbero, John T. Abatzoglou, Narasimhan K. Larkin, Crystal A. Kolden, B. J. Stocks

Notice bibliographique

RevueInternational Journal of Wildland Fire · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaOntario Forest Research InstituteCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésClimate changeEnvironmental scienceClimatologySeasonalityGeographyOceanographyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Very large fires (VLFs) have important implications for communities, ecosystems, air quality and fire suppression expenditures. VLFs over the contiguous US have been strongly linked with meteorological and climatological variability. Building on prior modelling of VLFs (>5000 ha), an ensemble of 17 global climate models were statistically downscaled over the US for climate experiments covering the historic and mid-21st-century periods to estimate potential changes in VLF occurrence arising from anthropogenic climate change. Increased VLF potential was projected across most historically fire-prone regions, with the largest absolute increase in the intermountain West and Northern California. Complementary to modelled increases in VLF potential were changes in the seasonality of atmospheric conditions conducive to VLFs, including an earlier onset across the southern US and more symmetric seasonal extension in the northern regions. These projections provide insights into regional and seasonal distribution of VLF potential under a changing climate, and serve as a basis for future strategic and tactical fire management options.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,263
Écart entre enseignants0,246 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations447
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Wildland FireMême sujetFire effects on ecosystemsTravaux en français237 207