MétaCan
Menu
Retour à la cohorte
Enregistrement W4361273034 · doi:10.1038/s41467-023-37311-4

Elevation-dependent intensification of fire danger in the western United States

2023· article· en· W4361273034 sur OpenAlexafffund
Mohammad Reza Alizadeh, John T. Abatzoglou, Jan Adamowski, Arash Modaresi Rad, Amir AghaKouchak, Francesco S. R. Pausata, Mojtaba Sadegh

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensMcGill UniversityUniversité du Québec à Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesJoint Fire Science Program
Mots-clésElevation (ballistics)SnowmeltGlobal warmingEnvironmental scienceClimate changePhysical geographyGeographyEcologySnowMeteorologyBiology

Résumé

récupéré en direct d'OpenAlex

Studies have identified elevation-dependent warming trends, but investigations of such trends in fire danger are absent in the literature. Here, we demonstrate that while there have been widespread increases in fire danger across the mountainous western US from 1979 to 2020, trends were most acute at high-elevation regions above 3000 m. The greatest increase in the number of days conducive to large fires occurred at 2500-3000 m, adding 63 critical fire danger days between 1979 and 2020. This includes 22 critical fire danger days occurring outside the warm season (May-September). Furthermore, our findings indicate increased elevational synchronization of fire danger in western US mountains, which can facilitate increased geographic opportunities for ignitions and fire spread that further complicate fire management operations. We hypothesize that several physical mechanisms underpinned the observed trends, including elevationally disparate impacts of earlier snowmelt, intensified land-atmosphere feedbacks, irrigation, and aerosols, in addition to widespread warming/drying.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,282
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetFire effects on ecosystemsTravaux en français237 207