Quantifying fire-specific smoke severity
Notice bibliographique
Résumé
Rapidly changing wildfire regimes across the Western US has driven more frequent and severe wildfires, resulting in wide-ranging societal threats from the wildfires themselves and the smoke that they generate. However, common measures of fire severity focus on what is burned and do not account for the societal impacts of the smoke generated from each fire. We combine satellite-derived fire scars, air parcel trajectories from individual fires, and predicted smoke PM2.5 to link source fires to resulting smoke PM2.5 experienced by populations in the contiguous United States from April 2006-2020. We develop a new metric of fire-specific severity based on the cumulative population exposed to smoke PM2.5 over the duration of a fire. This measure is only weakly correlated with common measures of wildfire severity, including burned area, structures destroyed, and suppression cost. We find that while recent California fires contributed nearly half of the country's experienced smoke severity during our study period, the most severe individual fire was the 2007 Bugaboo fire in the Southeast. We estimate that a majority of experienced smoke PM2.5 comes from sources outside the local jurisdictions where the smoke is experienced, with 87% coming from fires in other counties and 60% from fires in other states. Our approach enables broad-scale assessment of whether specific fire characteristics affect smoke toxicity or impact, informs assessment of the cost-effectiveness of how suppression resources are allocated, and helps clarify the growing transboundary nature of local air quality.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».