Global patterns in fire leverage: the response of annual area burnt to previous fire
Notice bibliographique
Résumé
Prescribed fire is practiced around the world to reduce the effect of unplanned fire, but we hypothesise that its effectiveness is proportional to the mean annual area burnt by unplanned fire, which varies among biomes. Fire history mapping was obtained for six global case studies from a range of biomes: Portugal, Spain (both Mediterranean), Alberta (boreal Canada), Sequoia and Kings Canyon National Parks (montane USA), the Sandy Desert (arid Australia) and Kruger National Park (South African savanna). Leverage is the unit reduction in unplanned fire area resulting from one unit of previous fire as measured at a regional scale over a long period. We calculated leverage for each case study using statistical modelling of annual area burnt, controlling for annual climatic variation. We combined the six leverage values with those from four previously published cases to conduct a global test of our hypothesis. Leverage was high in Portugal (~0.9) and moderate in the Sandy Desert (~0.3). However, the other case studies showed no evidence of leverage: burnt area was not influenced by past fire. In all regions, climatic variation had more influence than past area burnt on annual area burnt. The global analysis revealed a positive relationship between mean area burnt and leverage but only when outlying cases were removed. In biomes with low fire activity, prescribed fire is unlikely to reduce unplanned fire area at all, while for many others, the return for effort is likely to be low. Lessons derived from one biome cannot necessarily be applied to another.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».