Fire Activity and Severity in the Western US Vary along Proxy Gradients Representing Fuel Amount and Fuel Moisture
Notice bibliographique
Résumé
Numerous theoretical and empirical studies have shown that wildfire activity (e.g., area burned) at regional to global scales may be limited at the extremes of environmental gradients such as productivity or moisture. Fire activity, however, represents only one component of the fire regime, and no studies to date have characterized fire severity along such gradients. Given the importance of fire severity in dictating ecological response to fire, this is a considerable knowledge gap. For the western US, we quantify relationships between climate and the fire regime by empirically describing both fire activity and severity along two climatic water balance gradients, actual evapotranspiration (AET) and water deficit (WD), that can be considered proxies for fuel amount and fuel moisture, respectively. We also concurrently summarize fire activity and severity among ecoregions, providing an empirically based description of the geographic distribution of fire regimes. Our results show that fire activity in the western US increases with fuel amount (represented by AET) but has a unimodal (i.e., humped) relationship with fuel moisture (represented by WD); fire severity increases with fuel amount and fuel moisture. The explicit links between fire regime components and physical environmental gradients suggest that multivariable statistical models can be generated to produce an empirically based fire regime map for the western US. Such models will potentially enable researchers to anticipate climate-mediated changes in fire recurrence and its impacts based on gridded spatial data representing future climate scenarios.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».