Spatial and Temporal Variability and Trends in 2001–2016 Global Fire Activity
Notice bibliographique
Résumé
Abstract Fire regimes across the globe have great spatial and temporal variability, and these are influence by many factors including anthropogenic management, climate, and vegetation types. Here we utilize the satellite‐based “active fire” product, from Moderate Resolution Imaging Spectroradiometer (MODIS) sensors, to statistically analyze variability and trends in fire activity from the global to regional scales. We split up the regions by economic development, region/geographical land use, clusters of fire‐abundant areas, or by religious/cultural influence. Weekly cycle tests are conducted to highlight and quantify part of the anthropogenic influence on fire regime across the world. We find that there is a strong statistically significant decline in 2001–2016 active fires globally linked to an increase in net primary productivity observed in northern Africa, along with global agricultural expansion and intensification, which generally reduces fire activity. There are high levels of variability, however. The large‐scale regions exhibit either little change or decreasing in fire activity except for strong increasing trends in India and China, where rapid population increase is occurring, leading to agricultural intensification and increased crop residue burning. Variability in Canada has been linked to a warming global climate leading to a longer growing season and higher fuel loads. Areas with a strong weekly cycle give a good indication of where fire management is being applied most extensively, for example, the United States, where few areas retain a natural fire regime.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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) | 0,001 | 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 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 ».