Historical spatiotemporal changes in fire danger potential across biomes
Notice bibliographique
Résumé
This study 1) identifies the seasons and biomes that exhibit significant (1980-2019) changes in fire danger potential, as quantified by the Canadian Fire Weather Index (FWI); 2) explores what types of fire behavior potentials may be contributing to changes in fire danger potential, as quantified by the United States Energy Release Component (ERC) and the Ignition Component (IC); 3) provides spatiotemporal insight on how fire danger potential and fire behavior potential are responding in relation to changes in seasonal precipitation totals and seasonal mean air temperature across biomes. Time series of these fire potentials, as well as seasonal mean temperature, and seasonal precipitation totals are generated using data from the 0.25° ECMWF spatial resolution Reanalysis 5th Generation (ERA5) and the Climatic Research Unit gridded Time Series (CRU TS). The Mann-Kendall test is then applied to identify significant spatiotemporal trends across each biome. Results indicate that the September-November season (SON) exhibits the greatest rate of increase in fire danger potential, followed by the June-August season (JJA), December, January-February season (DJF), and March-May season (MAM), and this is predominant over the Tropical and Subtropical Moist Broadleaf Forest Biome, as well as all vegetation types of the temperate biomes. Similarly, the temperate biomes experience the greatest rate of increase in fire intensity potential and ignition potential, but prevalent during the DJF and MAM seasons. Furthermore, there is a significant positive correlation between fire danger potential and seasonal mean air temperature during JJA in the Northern Hemisphere for the temperate biomes in North America and Europe, as well as the Tropical and Subtropical biomes in Africa. Our analysis provides quantitative insight as to how fire danger potential and fire behavior potential have been responding to changes in seasonal mean temperature and seasonal precipitation totals across different ecoregions around the world.
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 | 0,000 |
| 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 ».