Observed links between heatwaves and wildfires across Northern high latitudes
Notice bibliographique
Résumé
Abstract Data on Arctic and Sub-Arctic summer heat events are limited due to the sparse network of surface observation stations. Here, we analyze large heat events within 60°–80°N using land surface temperature (LST) observations from the moderate resolution imaging spectroradiometer (MODIS) sensor aboard the Terra satellite. Our heatwave (HW) detection method uses exceedances of the climatological 90th percentile of LST across summer months, and a spatio-temporal density-based clustering algorithm to distinguish space-time coherent events across Northern Hemispheric high latitudes for the summers of 2000–2022. We find a close link between HW duration, spatial extent and amplitude across the study region (correlations ranging from 0.63 to 0.73). MODIS-derived burned area data show that wildfire seasons are significantly correlated to summer HW activity, particularly in Siberia (r = 0.87 at p < 0.05) and Alaska and NW Canada (r = 0.45 at p < 0.05), and are also spatially co-located. MODIS active fire data also show substantial increase during larger heat events. For the strongest HWs in Siberia, the peak in daily fire count (from the MODIS active fire archive) lags behind peak HW activity. We conclude that there is a close link between intense fire summers and extensive HWs over boreal and shrub tundra regions (Interior Alaska, the Canadian Prairies and Eastern Siberia).
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».