Quantile‐Based Fire Weather Index Better Informs Detection and Variability of Wildfire Risks in China
Notice bibliographique
Résumé
Abstract The Fire Weather Index (FWI) system, developed in Canada, has now been widely used to monitor and forecast wildfires worldwide. However, it shows a marked mismatch to wildfire occurrences and burned areas when applied to the domain of China, thus hindering the understanding on the response of fire risks to climate change in the populated area. Here, we designed quantile‐based FWI (QFWI) that proves to be more accurate in indicating wildfire occurrences across the country. Based on the correspondence of fire incidence and burned areas to QFWI, we proposed a classification scheme indicative of low‐, medium‐, and high‐fire dangers in China, and further examined the historical variability of wildfire dangers accordingly. The results show that China's wildfire risks did not increase monotonically with warming, but exhibited an inter‐decadal variability modulated synergistically by changes in multiple climate variables. From 1961 to 1990, the high‐risk days decreased at −0.98 ± 0.71 days yr −1 primarily driven by the slowdown of daily maximum wind speed (WS max ). After 1990, broad swathes of the country experienced significant increases (0.64 ± 0.54 days yr −1 ) in high‐risk days, particularly in southwest China, contributed mainly by warming of daily maximum air temperature ( T max ) and drying of daily minimum relative humidity (RH min ). The increasingly favorable weather conditions in combination with continuous fuel accumulation from massive afforestation efforts alarmingly signals hightened wildfire risks into future decades, even in humid southern China.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».