MétaCan
Menu
Retour à la cohorte
Enregistrement W2768730870 · doi:10.1071/wf17008

Trend analysis of fire season length and extreme fire weather in North America between 1979 and 2015

2017· article· en· W2768730870 sur OpenAlexaffabout
Piyush Jain, Xianli Wang, Mike Flannigan

Notice bibliographique

RevueInternational Journal of Wildland Fire · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaCanadian Forest ServiceUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésClimatologyGeographyEnvironmental sciencePrecipitationPhysical geographyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

We have constructed a fire weather climatology over North America from 1979 to 2015 using the North American Regional Reanalysis dataset and the Canadian Fire Weather Index (FWI) System. We tested for the presence of trends in potential fire season length, based on a meteorological definition, and extreme fire weather using the non-parametric Theil–Sen slope estimator and Mann–Kendall test. Applying field significance testing (i.e. joint significance of multiple tests) allowed the identification of the locations of significant trends, taking into account spatial correlations. Fire season length was found to be increasing over large areas of North America, especially in eastern Canada and the south-western US, which is consistent with a later fire season end and an earlier fire season start. Both positive and negative trends in potential fire spread days and the 99th percentile of FWI occurred in Canada and the contiguous United States, although the trends of largest magnitude and statistical significance were mostly positive. In contrast, the proportion of trends with significant decreases in these variables were much lower, indicating an overall increase in extreme fire weather. The smaller proportion of significant positive trends found over Canada reflects the truncation of the time series, necessary because assimilation of precipitation observations over Canada ceased in the reanalysis post-2002.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,119
Score d'incertitude au seuil0,426

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,254
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations170
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Wildland FireMême sujetFire effects on ecosystemsTravaux en français237 207