Burned area detection and estimation of fire carbon emissions in Canada in 2023 using Landsat 8/9 and Sentinel 2 data
Notice bibliographique
Résumé
The extreme wildfires in Canada of 2023 have drawn significant attention. Satellite remote sensing provides an effective way for monitoring burned area (BA). However, the existing BA products for Canada in 2023 are mainly at medium and low spatial resolution. In order to precisely detect BA and fire carbon emissions, Landsat 8/9 and Sentinel-2 data were utilized to extract higher resolution (30 m/20 m) BA in Canada of 2023. Based on the simplified GFED (Global Fire Emissions Database) model, a fire-induced carbon emission model for Canada was constructed. 30 m/20 m resolution BA were used as model input to estimate fire carbon emissions in Canada in 2023. The results show that the BA in Canada of 2023 reached 103,000 km2, which was 4.7 times the average BA from 1986 to 2022. Compared to 1986–2022, the proportion of large wildfires in Canada of 2023 increased significantly. The CO2 emissions from the 2023 wildfires in Canada exceeded 1.400 billion tons, surpassing the total CO2 emissions from fossil fuel combustion in Japan and France in 2022. We analysed trends of drought index and its correlations with BA, and found that the abnormal drought in Canada in 2023 may be one of the reasons for the extreme wildfires.
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 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».