Extreme value analysis of wildfires in Canadian boreal forest ecosystems
Notice bibliographique
Résumé
Large fires are a major disturbance in Canadian forests and exert significant effects on both the climate system and ecosystems. During the last century, extremely large fires accounted for the majority of Canadian burned area. By making an instaneous change over a vast area of ecosystems, extreme fires often have significant social, economic, and ecological consequences. Since extreme values of fire size always situate in the upper tail of a cumulative probability distribution, the mean and variance alone are not sufficient to fully characterize those extreme events. To characterize the large fire behaviors in the upper tail, the authors in this study applied three extreme value distribution functions: (i) the generalized extreme value (GEV) distribution, (ii) the generalized Pareto distribution (GPD), and (iii) the GEV distribution with a Poisson point process (PP) representation to fit the Canadian historical fire data of the period 1959–2010. The analysis was conducted with the whole data set and different portions of the data set according to ignition sources (lightning-caused or human-caused) and ecozone classification. It is found that (i) all three extreme statistical models perform well to characterize extreme fire events, but the GPD and PP models need extra care to fit the nonstationary fire data, (ii) anthropogenic and natural extreme fires have significantly different extreme statistics, and (iii) fires in different ecozones exhibit very different characteristics in the view of statistics. Further, estimated fire return levels are comparable with observations in terms of the magnitude and frequency of an extreme event. These statistics of extreme values provide valuable information for future quantification of large fire risks and forest management in the 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 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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».