Notice bibliographique
Résumé
Human-induced climate change is increasing the incidence of fire events and associated impacts on livelihood, biodiversity, and nature across the world. Understanding current and projected fire activity together with its impacts on ecosystems is crucial for evaluating future risks and taking actions to prevent such devastating events. Here we focus on fire weather as a key driver of fire activity. Fire weather products that have a global homogenous distribution in time and space provide many advantages to advance fire science and evaluate future risks. Therefore, in this study we calculate and provide for the first time the Canadian Fire Weather Index (FWI) with all available simulations of the 6th phase of the Coupled Model Intercomparison Project (CMIP6). Furthermore, we expand its regional applicability by combining improvements to the original algorithm for the FWI from several packages. A sensitivity analysis of the default version versus our improved version shows significant differences in the final FWI. With the improved version, we calculate the FWI using average relative humidity in one case and minimum relative humidity in another case. We provide the data for both cases while recommending the one with minimum relative humidity for studies focused on actual FWI values and the one with average relative humidity for studies requiring larger ensembles. The following four annual indicators, (i) maximum value of the FWI ( fwixx ), (ii) number of days with extreme fire weather ( fwixd ), (iii) length of the fire season ( fwils ), and (iv) seasonal average of the FWI ( fwisa ), are made available and are illustrated here. We find that, at a global warming level of 3â â C , the mean fire weather would increase on average by at least 66â% in duration and frequency, while associated 1-in-10-year events would approximately triple in duration and increase by at least 31â% in intensity. Ultimately, this new fire weather dataset provides a large ensemble of simulations to understand the potential impacts of climate change spanning a range of shared socioeconomic narratives with their radiative forcing trajectories over 1850â2100 at annual and 2.5 â â à â2.5 â resolutions. The produced full global dataset is a freely available resource at https://doi.org/10.3929/ethz-b-000583391 (Quilcaille and Batibeniz, 2022) for fire danger studies and beyond, which highlights the need to reduce greenhouse gas emissions for reducing fire impacts.
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 | 0,003 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,025 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,210 | 0,171 |
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 ».