The burning island: Spatiotemporal patterns of fire occurrence in Madagascar
Notice bibliographique
Résumé
Anthropogenic fire use is widespread across Madagascar and threatens the island's unprecedented endemic biodiversity. The vast majority (96%) of lemur species are already threatened with extinction, and Madagascar has already lost more than 44% of its forests. Previous conservation assessments have noted the role of fire in the rampant deforestation and habitat degradation across Madagascar, but published, quantified data on fire use across the island are incredibly limited. Here, we present the first quantification of spatiotemporal patterns in fire occurrence across Madagascar using VIIRS satellite fire detection data. We assess which regions of Madagascar have the most prevalent fire use, how fire use is changing over time, and what this means for Madagascar's remaining forest ecosystems. An average of 356,189 fires were detected every year in Madagascar from 2012-2019, averaging 0.604 fires/km2. Fire use was near-ubiquitous across the island, but was most prevalent in the western dry deciduous forests and succulent woodlands ecoregions. Fire frequency in the eastern lowlands was highest around the remaining humid rainforest, and fire frequency was increasing over time around much of the remaining humid and dry forest. We found that 18.6% of all remaining forest was within 500 m of a fire within a single year, and 39.3% was within 1 km. More than half of remaining forest was within 1 km of a fire in a single year in the dry deciduous forests, succulent woodlands, and mangroves ecoregions. However, fire frequency within national park protected areas was, on average, 65% lower than their surroundings. Only 7.1% of national park forest was within 500 m of a fire within one year, and 17.1% was within 1 km, suggesting that national parks are effective at reducing fire frequency in Madagascar's tropical forests.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».