Protected areas, drought, and grazing regimes influence fire occurrence in a fire-prone Mediterranean region
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Extreme fire seasons in the Mediterranean basin have received international attention due to the damage caused to people, livelihoods, and vulnerable ecosystems. There is a body of literature linking increasingly intense, large fires to a build-up of fuel from rural land abandonment exacerbated by climate change. However, a better understanding of the complex factors driving fires in fire-prone landscapes is needed. We use a global database based on the MODIS Fire CCI51 product, and the Greater Côa Valley, a 340,000-ha area in Portugal, as a case study, to investigate the environmental drivers of fire and potential tools for managing fires in a landscape that has undergone changing agricultural and grazing management. Results Between 2001 and 2020, fires burned 32% (1881.45 km 2 ) of the study area. Scrublands proportionally burnt the most, but agricultural land and forests were also greatly impacted. The risk of large fires (> 1 km 2 ) was highest in these land cover types under dry conditions in late summer. Areas with higher sheep densities were more likely to burn, while cattle density had no apparent relationship with fire occurrence. There was also a 15% lower probability of a fire occurring in protected areas. Conclusion Future climatic changes that increase drought conditions will likely elevate the risk of large fires in the Mediterranean basin, and abandoned farmland undergoing natural succession towards scrubland will be at particularly high risk. Our results indicate that livestock grazing does not provide a simple solution to reducing fire risk, but that a more holistic management approach addressing social causes and nature-based solutions could be effective in reducing fire occurrence.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle