Trends in wildfire burn severity across Canada, 1985 to 2015
Notice bibliographique
Résumé
Burn severity is an important component of the fire regime that has not yet been fully characterized for the forests of Canada. The objectives of this study were to (i) create a Canada-wide geospatial database of burn severity for wildland fires across forested regions of Canada from 1985 to 2015, and (ii) use this database to evaluate seasonal and annual trends in burn severity across Canada and regionally using two different regional units (ecozones and Homogeneous Fire Regime zones). We developed the 30 m resolution geospatial Canadian Landsat Burn Severity (CanLaBS) product from Landsat imagery, using values of pre-fire to post-fire differences in normalized burn ratios (dNBRs) for nearly 60 Mha of area burned across Canada’s forests from 1985 to 2015, complemented with estimates of pre-fire forest composition, crown closure, and biomass. Our results suggest that burn severity is generally lower in spring fires than in summer ones nationally and in almost every regional unit. We found no consistent relationship between burn severity and annual area burned across ecozones. Finally, we observed a small but significant decrease in burn severity from 1985 to 2015 across Canada, although this is regionally variable. The CanLaBS database is publicly available at https://doi.org/10.23687/b1f61b7e-4ba6-4244-bc79-c1174f2f92cd .
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».