How Fire History, Fire Suppression Practices and Climate Change Affect Wildfire Regimes in Mediterranean Landscapes
Notice bibliographique
Résumé
Available data show that future changes in global change drivers may lead to an increasing impact of fires on terrestrial ecosystems worldwide. Yet, fire regime changes in highly humanised fire-prone regions are difficult to predict because fire effects may be heavily mediated by human activities We investigated the role of fire suppression strategies in synergy with climate change on the resulting fire regimes in Catalonia (north-eastern Spain). We used a spatially-explicit fire-succession model at the landscape level to test whether the use of different firefighting opportunities related to observed reductions in fire spread rates and effective fire sizes, and hence changes in the fire regime. We calibrated this model with data from a period with weak firefighting and later assess the potential for suppression strategies to modify fire regimes expected under different levels of climate change. When comparing simulations with observed fire statistics from an eleven-year period with firefighting strategies in place, our results showed that, at least in two of the three sub-regions analysed, the observed fire regime could not be reproduced unless taking into account the effects of fire suppression. Fire regime descriptors were highly dependent on climate change scenarios, with a general trend, under baseline scenarios without fire suppression, to large-scale increases in area burnt. Fire suppression strategies had a strong capacity to compensate for climate change effects. However, strong active fire suppression was necessary to accomplish such compensation, while more opportunistic fire suppression strategies derived from recent fire history only had a variable, but generally weak, potential for compensation of enhanced fire impacts under climate change. The concept of fire regime in the Mediterranean is probably better interpreted as a highly dynamic process in which the main determinants of fire are rapidly modified by changes in landscape, climate and socioeconomic factors such as fire suppression strategies.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».