Climate change‐induced shifts in fire for <scp>M</scp>editerranean ecosystems
Notice bibliographique
Résumé
Abstract Aim Pyrogeographical theory suggests that fire is controlled by spatial gradients in resources to burn (fuel amount) and climatic conditions promoting combustion (fuel moisture). Examining trade‐offs among these environmental constraints is critical to understanding future fire activity. We evaluate constraints on fire frequency in modern fire records over the entire Mediterranean biome and identify potential shifts in fire activity under an ensemble of global climate projections. Location The biome encompassing the M editerranean‐type ecosystems ( MTE s). Methods We evaluate potential changes in fire over the 21st century in MTE s based on a standardized global framework. Future fire predictions are generated from statistical fire−climate models driven by ensembles of climate projections under the IPCC A2 emissions scenario depicting warmer–drier and warmer–wetter syndromes. We test the hypothesis that MTE s lie in the transition zone discriminating fuel moisture versus fuel amount as the dominant constraint on fire activity. Results Fire increases reported in MTE s in recent decades may not continue throughout the century. MTE s occupy a sensitive portion of global fire−climate relationships, especially for precipitation‐related variables, leading to highly divergent fire predictions under drier versus wetter syndromes. Warmer–drier conditions could result in decreased fire activity over more than half the Mediterranean biome by 2070–2099, and the opposite is predicted under a warmer–wetter future. MTE s encompass, however, a climate space broad and complex enough to include spatially varied fire responses and potential conversions to non‐ MTE biomes. Main conclusions Our results strongly support the existence of both fuel amount and fuel moisture constraints on fire activity and show their geographically variable influence throughout MTE s. Climatic controls on fire occurrence in MTE s lie close to ‘tipping points’, where relatively small changes in future climates could translate into drastic and divergent shifts in fire activity over the Mediterranean biome, mediated by productivity alterations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».