MétaCan
Menu
← Retour à la cohorte
Enregistrement W3169356181 · doi:10.5194/egusphere-egu21-14916

Fire weather thresholds and burnt area in Portugal

2021· article· en· W3169356181 sur OpenAlexaboutno aff
Tomás Calheiros, Akli Benali, João M. N. Silva, Mário Pereira, João Pedro Nunes

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental sciencePrecipitationMediterranean climateMeteorologyClimatologyWind speedLand coverPeninsulaHeat indexRelative humidityGeographyLand useEngineering

Résumé

récupéré en direct d'OpenAlex

Fire strongly depends on the weather, especially in Mediterranean climate regions with rainy winters but dry and hot summers, as in Portugal. Fire weather indices are commonly used to assess the current and/or cumulative effect of weather conditions on fuel moisture and fire behaviour. The Daily Severity Rating (DSR) is a numeric rating of the difficulty of controlling fires, based on the Canadian Fire Weather Index (FWI), developed to accurately assess the expected efforts required for fire suppression. Recently, the 90th percentile of DSR (90pDSR) was identified as a good indicator of extreme fire weather and well related to the burnt area in some regions of the Iberian Peninsula. The purposes of this work were: 1) to verify if this threshold is adequate for all continental Portugal; 2) to identify and characterize local variations of this threshold, at a higher spatial resolution; and, 3) to analyse other variables that can explain this spatial heterogeneity. We used fire data from the Portuguese Institute for the Conservation of Nature and Forests and weather data from ERA5, for the 2001 – 2019 study period. We also used the Land Use and Occupation Charter for 2018 (COS2018), provided by the Directorate-General for Territory, to assess land use and cover in Portugal. The meteorological variables to compute the DSR are air temperature, relative humidity, wind speed and daily accumulated precipitation, at 12 UTC. DSR percentiles (DSRp) were computed for summer period (between 15th May and 31st October) and combined with large (>100 ha) burnt areas (BA), with the purpose to identify which DSRp value is responsible of a large amount of BA (80 or 90%). Cluster analysis was performed using the relation between DSRp and BA, in each municipality of Continental Portugal. Results reveal that the 90pDSR is an adequate threshold for the entire territory. However, at the municipalities’ level, some important differences appear between DSRp thresholds that explain 90 and 80% of the total BA. Cluster analysis shows that these differences justified the existence of several statistically significant clusters. Generally, municipalities where large fires take place in high or very high DSRp are located in north and central coastal areas, Serra da Estrela, Serra de Montejunto and Algarve. In contrast, clusters where large fires where registered with low DSRp appear in northern and central hinterland. COS2018 data was assessed to analyse if and how the vegetation cover type influences the clusters’ distribution and affects the relationship between DSRp and total BA. Preliminary results expose a possible vegetation influence, especially between forests and shrublands.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,197
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFire effects on ecosystems→Travaux en français237 207→