MétaCan
Menu
Retour à la cohorte
Enregistrement W4414944720 · doi:10.1139/cjfr-2025-0209

Fire regime changes in Canada: an update

2025· article· en· W4414944720 sur OpenAlexaffvenueabout
Chelene C. Hanes, Piyush Jain, Weiwei Wang, Xianli Wang, Marc‐André Parisien, John M. Little, Mike Flannigan

Notice bibliographique

RevueCanadian Journal of Forest Research · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensNatural Resources CanadaThompson Rivers UniversityAlberta Ministry of Agriculture and ForestryOntario Forest Research InstituteCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésClimate changeTrend analysisFire regimeFire historyVegetation (pathology)

Résumé

récupéré en direct d'OpenAlex

Given the recent rise in extreme fires, we present an update to a previous Canadian wildfire trend analysis (1959–2015) with nine additional years of data (2016–2024), an improved area burned dataset, a refined trend analysis method, and a greater geographical coverage of the country. Overall, the big-picture trends remain consistent: annual area burned, the annual number and size of large fires are still increasing, while fires of all sizes continue to decline. The most significant and consistent changes include greater fire activity in the Cordillera and Plains ecozones in the west, while increasing or flat trends in annual area burned are now evident in all ecozones. Very large fires (≥20 000 ha) are getting larger and account for a greater proportion of area burned. In contrast to the preceding analysis, human-caused fires, which were previously detected as decreasing in annual area burned, have now been increasing with high confidence since the mid-2000s.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,355
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetDisaster Management and ResilienceTravaux en français237 207