Emergent relationships with respect to burned area in global satellite observations and fire-enabled vegetation models
Notice bibliographique
Résumé
Abstract. Recent climate changes have increased fire-prone weather conditions in many regions and have likely affected fire occurrence, which might impact ecosystem functioning, biogeochemical cycles, and society. Prediction of how fire impacts may change in the future is difficult because of the complexity of the controls on fire occurrence and burned area. Here we aim to assess how process-based fire-enabled dynamic global vegetation models (DGVMs) represent relationships between controlling factors and burned area. We developed a pattern-oriented model evaluation approach using the random forest (RF) algorithm to identify emergent relationships between climate, vegetation, and socio-economic predictor variables and burned area. We applied this approach to monthly burned area time series for the period from 2005 to 2011 from satellite observations and from DGVMs from the “Fire Modeling Intercomparison Project” (FireMIP) that were run using a common protocol and forcing data sets. The satellite-derived relationships indicate strong sensitivity to climate variables (e.g. maximum temperature, number of wet days), vegetation properties (e.g. vegetation type, previous-season plant productivity and leaf area, woody litter), and to socio-economic variables (e.g. human population density). DGVMs broadly reproduce the relationships with climate variables and, for some models, with population density. Interestingly, satellite-derived responses show a strong increase in burned area with an increase in previous-season leaf area index and plant productivity in most fire-prone ecosystems, which was largely underestimated by most DGVMs. Hence, our pattern-oriented model evaluation approach allowed us to diagnose that vegetation effects on fire are a main deficiency regarding fire-enabled dynamic global vegetation models' ability to accurately simulate the role of fire under global environmental change.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».