Seasonality and trends in human- and lightning-caused wildfires ≥ 2 ha in Canada, 1959–2018
Notice bibliographique
Résumé
We examined the seasonal distribution of lightning- and human-caused wildfires ≥ 2 ha in Canada for two time periods: 1959–2018 and 1981–2018. Furthermore, we investigated trends in seasonality, number of fires per year and number of days with fire starts per year for human- and lightning-caused fires. Nationally, lightning fires peaked from June to August, whereas human fires peaked during May. There was, however, notable variation in the seasonal distributions of human- and lightning-caused fires between ecozones. Likewise, trends in season start and end dates varied among ecozones and time series, with trends generally being stronger for human-caused fires. Trends in the number of fires from 1959 to 2018 suggested significant increases in the number of lightning-caused fires and days with lightning ignitions across almost all ecozones, while from 1981 to 2018 there was a significantly decreasing trend in the number of human-caused fires and days with human ignitions in almost all ecozones. The highest densities of human-caused fires occurred in the Montane Cordillera and Atlantic Maritime, while the highest density of lightning-caused fires occurred in the Boreal Shield West. The Montane Cordillera and Taiga Shield West showed significant increases in the number of lightning fires and days with lightning ignitions across both time series.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,002 | 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 ».