Climate drivers of global wildfire burned area
Notice bibliographique
Résumé
Abstract Wildfire is an integral part of the Earth system, but at the same time it can pose serious threats to human society and to certain types of terrestrial ecosystems. Meteorological conditions are a key driver of wildfire activity and extent, which led to the emergence of the use of fire danger indices that depend solely on weather conditions. The Canadian Fire Weather Index (FWI) is a widely used fire danger index of this kind. Here, we evaluate how well the FWI, its components, and the climate variables from which it is derived, correlate with observation-based burned area (BA) for a variety of world regions. We use a novel technique, according to which monthly BA are grouped by size for each Global Fire Emissions Database (GFED) pyrographic region. We find strong correlations of BA anomalies with the FWI anomalies, as well as with the underlying deviations from their climatologies for the four climate variables from which FWI is estimated, namely, temperature, relative humidity, precipitation, and wind. We quantify the relative sensitivity of the observed BA to each of the four climate variables, finding that this relationship strongly depends on the pyrographic region and land type. Our results indicate that the BA anomalies strongly correlate with FWI anomalies at a GFED region scale, compared to the strength of the correlation with individual climate variables. Additionally, among the individual climate variables that comprise the FWI, relative humidity and temperature are the most influential factors that affect the observed BA. Our results support the use of the composite fire danger index FWI, as well as its sub-indices, the Build-Up Index (BUI) and the Initial Spread Index (ISI), comparing to single climate variables, since they are found to correlate better with the observed forest or non-forest BA, for the most regions across the globe.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».