Causes of uncertainty in simulated burnt area by fire-enabled DGVMs
Notice bibliographique
Résumé
Fire-enabled dynamic global vegetation models (DGVMs) can be used to study how fire activity responds to its main drivers, including climate/weather, vegetation and human activities, at coarse spatial scales. Such models can also be used to examine the effects of fire on vegetation, and, when embedded in Earth system models, investigate the feedback of fire on the climate system. Thus they are valuable tools for studying wildfires. Accordingly, the Fire Model Intercomparison Project (FireMIP) was established to evaluate and utilise these models using consistent protocols.Here we present the second round of FireMIP simulations to focus historic wildfire drivers (1901 to present). A six-member ensemble of simulations from fire-enabled DGVMs was compared to remotely-sensed burnt area observations and to the previous round of historical FireMIP simulations. We found that the model skill when simulating spatial patterns of burnt area shows modest improvements compared to the previous FireMIP round, and that the simulations mostly reproduce the decreasing trend in global burnt area found over the last two decades. However, whilst the broad global patterns are reasonable, there are considerable discrepancies with regards to regional agreement and timing of burnt area. Furthermore, the models show diverging trends in the pre-satellite era.To investigate further and inform future model development, we explored the residuals between simulated burnt area from the FireMIP models and remotely-sensed burnt area as a function of climate, vegetation, anthropogenic and topographic variables using generalised additive models (GAMs). We found some common responses across the models, with many over-predicting fire activity in arid/low productivity areas and all models under-predicting at low road density. However, with respect to other variables, such as wind speed and cropland fraction, the models residuals showed divergent responses. It is anticipated that these results should aid further development of global fire models in terms of driving variables, process representations and model structure.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».