Contemporary (1984–2020) fire history metrics for the conterminous United States and ecoregional differences by land ownership
Notice bibliographique
Résumé
Background Remotely sensed burned area products are critical to support fire modelling, policy, and management but often require further processing before use. Aim We calculated fire history metrics from the Landsat Burned Area Product (1984–2020) across the conterminous U.S. (CONUS) including (1) fire frequency, (2) time since last burn (TSLB), (3) year of last burn, (4) longest fire-free interval, (5) average fire interval length, and (6) contemporary fire return interval (cFRI). Methods Metrics were summarised by ecoregion and land ownership, and related to historical and cheatgrass datasets to demonstrate further applications of the products. Key results The proportion burned ranged from 0.7% in the Northeast Mixed Woods to 74.1% in the Kansas Flint Hills. The Flint Hills and Temperate Prairies showed the highest burn frequency, while the Flint Hills and the Sierra Nevada and Klamath Mountains showed the shortest TSLB. Compared to private, public land had greater burned area (19 of 31 ecoregions) and shorter cFRI (25 of 31 ecoregions). Conclusions Contemporary fire history metrics can help characterise recent fire regimes across CONUS. Implications In regions with frequent fire, comparison of contemporary with target fire regimes or invasive species datasets enables the efficient incorporation of burned area data into decision-making.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».