MétaCan
Menu
Retour à la cohorte
Enregistrement W4283592246 · doi:10.3390/rs14133050

Extending the National Burned Area Composite Time Series of Wildfires in Canada

2022· article· en· W4283592246 sur OpenAlexaffabout
Rob Skakun, Guillermo Castilla, Juha M. Metsaranta, Ellen Whitman, Sébastien Rodrigue, John M. Little, Kathleen Groenewegen, Matthew Coyle

Notice bibliographique

RevueRemote Sensing · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaGovernment of Northwest TerritoriesCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésEnvironmental sciencePolygon (computer graphics)Satellite imageryPhysical geographyClimate changeRemote sensingSatelliteClimatologyMeteorologyGeographyGeologyComputer science

Résumé

récupéré en direct d'OpenAlex

Wildfires are a major natural disturbance in Canada that are postulated to increase under a warming climate. To derive accurate trends in burned area and to quantify the effects of fire frequency, duration, and extent, a sufficiently long time series of reliable burned area maps is required. With that in mind, we extended Canada’s National Burned Area Composite (NBAC) dataset from its previous start year (2004) back to 1986. NBAC consists of annual maps in polygon format where the area burned in each fire event is represented by the best available delineation among various mapping methods and data sources of varying quality. Ordered from more to less reliability, in the new 35-year time series (1986 to 2020), 10% of the total burned area was derived from airborne and high-resolution (<5 m) satellite imagery, 81% from change detection methods using 30 m Landsat satellite imagery, and the remaining 9% was largely from aerial surveys. Total (Canada-wide) annual burned area estimates ranged from 215,797 ha in 2020 to 6.7 million ha (Mha) in 1989. We computed 95% confidence intervals for the estimate of each year from 1986 to 2020 based on the accuracy and relative contribution in that year of the different data sources, for both the new NBAC time series and the polygon version of the Canadian National Fire Database (CNFDB), a commonly used source of spatially explicit data on burned area in Canada. NBAC confidence intervals were on average ±9.7% of the annual figure, about one-third the width of the confidence intervals derived for CNFDB. The NBAC time series also included nearly 5000 fire events (totalling 4 Mha, with the largest event being 120,661 ha in size) that are missing in the CNFDB. In a regional analysis for the Northwest Territories, retroactive fire mapping from Landsat imagery reduced historical estimates by 3 Mha (16%), which would result in a 1.6 Mha increase in the reported undisturbed critical habitat for threatened woodland caribou. The NBAC dataset is freely downloadable from the Canadian Wildland Fire Information System.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,717
Score d'incertitude au seuil0,541

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,190
Écart entre enseignants0,183 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations48
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetFire effects on ecosystemsTravaux en français237 207