Quantifying the contribution of major carbon producers to increases in vapor pressure deficit and burned area in western US and southwestern Canadian forests
Notice bibliographique
Résumé
Abstract Increases in burned forest area across the western United States and southwestern Canada over the last several decades have been partially driven by a rise in vapor pressure deficit (VPD), a measure of the atmosphere’s drying power that is significantly influenced by human-caused climate change. Previous research has quantified the contribution of carbon emissions traced back to a set of 88 major fossil fuel producers and cement manufacturers to historical global mean temperature rise. In this study, we extend that research into the domain of forest fires. We use a global energy balance carbon-cycle model, a suite of climate models, and a burned area (BA) model to determine the contribution of emissions traced to the major carbon producers to the long-term increase in VPD during 1901–2021 and to cumulative forest fire area during 1986–2021 in the western US and southwestern Canada. Based on climate model data, we find that emissions traced to these carbon producers contributed 48% (interquartile range (IQR) 38%–63%) of the long-term rise in VPD between 1901 and 2021. BA modeling indicates that these emissions also contributed 37% (IQR 26%–47%) of the cumulative area burned by forest fires between 1986 and 2021 in the western US and southwestern Canada. The increase in VPD in this region is linked to both increased fire activity and the region’s current and prolonged megadrought. As loss and damage from these hazards mounts, this research can inform public and legal dialogues regarding the responsibility carbon producers bear for addressing past, present, and future climate risks associated with fires and drought in the western US and southwestern Canada.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».