Cross-country dependencies in fire weather enhance the danger of extremely widespread fires in Europe
Notice bibliographique
Résumé
Wildfires are a significant natural hazard to European forest ecosystems and society. In recent years, increases in wildfire activity have been attributed to climate change, with escalating impacts on communities and ecosystems. While fire risk has been typically studied at individual locations independently, spatially compound events–where multiple wildfires occur simultaneously across different countries–have been overlooked so far. Such spatially compounding events can cause large aggregated impacts and pose severe challenges, particularly in the context of shared resources for wildfire response, as under the European Protection Agreement. To advance our understanding of spatially-compounding wildfires, we analyze the spatial dynamics of such large scale events across European countries. We use the daily-scale Burned Area dataset from the Global Fire Emissions Database (GFEDv4) for the period 2001-2015 and the Canadian Fire Weather Index (FWI) derived from ERA5 data for 1940-2023. By combining burned area with FWI data, during the May-October fire season, we find that the top 20% of days with the highest European area under FWI > 50 account for 60% of the total European burned area, all fires considered. By focusing on FWI data, we reveal that cross-country dependencies in fire weather enhance the likelihood of days affected by a larger fraction of Europe under extreme fire danger. Similar cross-country dependencies are observed for burned areas. The spatial dependencies in FWI can be linked to large-scale atmospheric patterns that favor fire-prone weather over different regions simultaneously. Typical meteorological conditions profiles for the most extreme FWI events across the continent indicate that persistent high-pressure systems, characterized by increasing temperature and decreasing relative humidity prior to the events, are key drivers for widespread FWI extremes. We also investigate recent trends in spatially compounding fire weather events using reanalysis data and CMIP6 climate model simulations. These findings improve our understanding of spatially compounding wildfires, serving as a basis for evaluating continental-scale risk and guiding the response to high-impact events in the context of shared resources.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».