Drivers of extreme wildfire years in the 1965–2019 fire regime of the Tłıchǫ First Nation territory, Canada
Notice bibliographique
Résumé
Exceptionally large areas burned in 2014 in central Northwest Territories (Canada), leading members of the Tłı̨chǫ First Nation to characterize this year as ‘extreme’. Top-down climatic and bottom-up environmental drivers of fire behavior and areas burned in the boreal forest are relatively well understood, but not the drivers of extreme wildfire years (EWY). We investigated the temporal and spatial distributions of fire regime components (fire occurrence, size, cause, fire season length) on the Tłı̨chǫ territory from 1965 to 2019. We used BioSIM and data from weather stations to interpolate mean weather conditions, fuel moisture content and fire-weather indices for each fire season, and we described the environmental characteristics of burned areas. We identified and characterized EWY, i.e., years exceeding the 80th percentile of annual area burned for the study period. Temperature and fuel moisture were the main drivers of areas burned. Nine EWY occurred from 1965 to 2019, including 2014. Compared to non-EWY, EWY had significantly higher mean temperature (>14.7°C) and exceeded threshold values of Drought Code (>514), Initial Spread Index (>7), and Fire Weather Index (>19). Our results will help limit the effects of EWY on human safety, health and Indigenous livelihoods and lifestyles.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».