MétaCan
Menu
Retour à la cohorte
Enregistrement W2062681419 · doi:10.3354/cr031085

Potential impact of climate change on fire risk in the Mediterranean area

2006· article· en· W2062681419 sur OpenAlexaboutno aff
Marco Moriondo, Peter Good, Rita Durão, Marco Bindi, Christos Giannakopoulos, João Corte‐Real

Notice bibliographique

RevueClimate Research · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationCommonwealth Scientific and Industrial Research OrganisationUniversity of Southampton
Mots-clésClimate changeMediterranean climateGeographyMediterranean areaEnvironmental scienceClimatologyForestryEcologyArchaeology

Résumé

récupéré en direct d'OpenAlex

In this study, output of the Hadley Centre Regional Circulation Model (RCM) (HadRM3P, 0.44° × 0.44° resolution) was used as input to the Canadian Forest Fire Weather Index (FWI) for the present and 2 future IPCC climate scenarios (Special Report on Emissions Scenarios [SRES], A2 and B2 scenarios).The aim was to investigate the effects of climate change on fire risk (number of days with fire risk, length of fire risk season, etc.) for the EU Mediterranean countries.Results indicated a general increase in fire risk in both future scenarios over the whole study area.The increase in fire risk was mainly due to 3 components: (1) increase in the number of years with fire risk; (2) increase in the length of the season with fire risk; (3) increase of extreme events (e.g. total number of days with FWI > 45 and episodes with FWI > 45 for 7 consecutive days) during the fire season.As expected, A2 scenario showed a greater increase in risk than B2 scenario.These general increases in fire risk may have a very strong impact in areas where forest land cover is high (e.g. the Alps region in Italy, the Pyrenees in Spain and mountains of the Balkan region).

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)0,003
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,051
Tête enseignante GPT0,347
Écart entre enseignants0,296 · 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
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

Citations499
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimate ResearchMême sujetFire effects on ecosystemsTravaux en français237 207