Will land use land cover change drive atmospheric conditions to become more conducive to wildfires in the United States?
Notice bibliographique
Résumé
Abstract The increase in wildfire risk in the United States in recent decades has been linked to rapid growth of the wildland‐urban interface and to changing climate. While there have been numerous studies on wildfires and climate change, few have separately assessed the impact of climate response to land‐use‐land‐cover change (LULCC) on wildfires. In this study, we analyse two 10‐year regional climate simulations driven by the current (2011) and future (2100) land‐use‐land‐cover patterns to assess modifications by the projected LULCC to the frequency and severity of fire‐prone atmospheric conditions described by two fire weather indices, the Canadian Forest Fire Weather Index and the Hot‐Dry‐Windy Index. The simulation corresponding to future land‐use‐land‐cover pattern yields higher surface temperature and vapour pressure deficit and lower precipitation compared to the simulation with the current pattern in areas where urbanized landscapes replace forests and grasslands, such as along the Piedmont and outside the Chicagoland region, while in areas where croplands replace forests, such as the southeast Coastal Plains, the results are reversed. These changes to local and regional atmospheric conditions lead to longer fire seasons and more extreme fire‐weather conditions in much of the eastern United States, specifically in the Southeast and Ohio River Valley where significant urban expansion is projected by the end of the century. Whereas in Southern California where some highly flammable shrublands will be replaced by urban or crop lands, fire‐prone atmospheric conditions are likely to be less frequent and less extreme in the future. However, much of California moves towards a year‐round fire season under the projected LULCC. The results suggest that by altering atmospheric conditions, LULCC may play an important role in determining fire regime, but the effects are highly heterogeneous and regionalized.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».