Priority research directions for wildfire science: views from a historically fire-prone and an emerging fire-prone country
Notice bibliographique
Résumé
Fire regimes are changing across the globe, with new wildfire behaviour phenomena and increasing impacts felt, especially in ecosystems without clear adaptations to wildfire. These trends pose significant challenges to the scientific community in understanding and communicating these changes and their implications, particularly where we lack underlying scientific evidence to inform decision-making. Here, we present a perspective on priority directions for wildfire science research-through the lens of academic and government wildfire scientists from a historically wildfire-prone (USA) and emerging wildfire-prone (UK) country. Key topic areas outlined during a series of workshops in 2023 were as follows: (A) understanding and predicting fire occurrence, fire behaviour and fire impacts; (B) increasing human and ecosystem resilience to fire; and (C) understanding the atmospheric and climate impacts of fire. Participants agreed on focused research questions that were seen as priority scientific research gaps. Fire behaviour was identified as a central connecting theme that would allow critical advances to be made across all topic areas. These findings provide one group of perspectives to feed into a more transdisciplinary outline of wildfire research priorities across the diversity of knowledge bases and perspectives that are critical in addressing wildfire research challenges under changing fire regimes.This article is part of the theme issue 'Novel fire regimes under climate changes and human influences: impacts, ecosystem responses and feedbacks'.
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 | 0,060 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,017 | 0,030 |
| Communication savante | 0,022 | 0,022 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,012 | 0,033 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».