Unrecorded Tundra Fires in Canada, 1986–2022
Notice bibliographique
Résumé
Climate-driven changes in fire regimes are expected across the pan-Arctic region. Trends in arctic fires are thought to be generally increasing; however, fire mapping across the region is far from comprehensive or systematic. We developed a new detection workflow and built a dataset of unrecorded tundra fires in Canada using Landsat data. We built a reference dataset of spectral indices from previously mapped fires in northern Canada to train a Random Forest model for detecting new fires between 1986 and 2022. In addition, we used time series information for each pixel to reduce false positives and narrow the large search space down to a finite set of regions that had experienced changes. We found 209 previously undetected fires in the Arctic and sub-Arctic regions, increasing the mapped burned area by approximately 30%. The median fire size was small, with roughly 3/4 of the fires being <100 ha in size. The majority of newly detected fires (69%) did not have satellite-derived hotspots associated with them. The dataset presented here is commission error-free and can be viewed as a reference dataset for future analyses. Moreover, future improvements and updates will leverage these data to improve the detection workflow outlined here, particularly for small and low-severity fires. These data can facilitate broader analyses that examine trends and environmental drivers of fire across the Arctic region. Such analyses could begin to untangle the mechanisms driving heterogeneous fire responses to climate observed across regions of the Circumpolar North.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».