Climate change and disruptions to global fire activity
Notice bibliographique
Résumé
Future disruptions to fire activity will threaten ecosystems and human well‐being throughout the world, yet there are few fire projections at global scales and almost none from a broad range of global climate models (GCMs). Here we integrate global fire datasets and environmental covariates to build spatial statistical models of fire probability at a 0.5° resolution and examine environmental controls on fire activity. Fire models are driven by climate norms from 16 GCMs (A2 emissions scenario) to assess the magnitude and direction of change over two time periods, 2010–2039 and 2070–2099. From the ensemble results, we identify areas of consensus for increases or decreases in fire activity, as well as areas where GCMs disagree. Although certain biomes are sensitive to constraints on biomass productivity and others to atmospheric conditions promoting combustion, substantial and rapid shifts are projected for future fire activity across vast portions of the globe. In the near term, the most consistent increases in fire activity occur in biomes with already somewhat warm climates; decreases are less pronounced and concentrated primarily in a few tropical and subtropical biomes. However, models do not agree on the direction of near‐term changes across more than 50% of terrestrial lands, highlighting major uncertainties in the next few decades. By the end of the century, the magnitude and the agreement in direction of change are projected to increase substantially. Most far‐term model agreement on increasing fire probabilities (∼62%) occurs at mid‐ to high‐latitudes, while agreement on decreasing probabilities (∼20%) is mainly in the tropics. Although our global models demonstrate that long‐term environmental norms are very successful at capturing chronic fire probability patterns, future work is necessary to assess how much more explanatory power would be added through interannual variation in climate variables. This study provides a first examination of global disruptions to fire activity using an empirically based statistical framework and a multi‐model ensemble of GCM projections, an important step toward assessing fire‐related vulnerabilities to humans and the ecosystems upon which they depend.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».