Climate-driven emergence of fire danger in South America under global warming
Notice bibliographique
Résumé
Abstract This study assesses the capability of ten Coordinated Regional Climate Downscaling Experiment regional climate models to simulate the components of the Canadian fire weather index (FWI) system across South America. Model performance for the historical period (1951–2005) is evaluated against the Copernicus Emergency Management Service ERA5 reanalysis using correlation, root mean square error, bias, and inter-model variability as validation metrics. Future projections are analyzed using the time of emergence and global temperature of emergence frameworks under two representative concentration pathways (RCP4.5 and RCP8.5), to identify when and under which global warming levels fire-conducive conditions emerge beyond natural variability. Results show that FWI and the fine fuel moisture code reproduce observed variability most accurately ( r > 0.70), while cumulative indices such as the drought code and Duff moisture code exhibit larger uncertainties linked to precipitation biases and long-term moisture processes. Projections indicate that extreme fire weather conditions (represented by the frequency of days exceeding the 95th percentile of FWI, FWI95d) emerge earliest and most extensively, particularly under the high-emission RCP8.5 scenario, with large areas of northern and central South America crossing emergence thresholds during the early years of the 2030s decade. In contrast, indices related to fire-season length (FWIfwsl) and seasonal severity (FWIfs) show delayed and spatially fragmented emergence patterns, reflecting their stronger dependence on persistent warming trends. A critical finding is that several regions, including southern Brazil, Paraguay, northern Argentina, and Bolivia, have already exceeded emergence thresholds during the historical period, signaling that shifts in fire-weather regimes are already underway. These results highlight the urgent need to strengthen fire management and adaptation strategies across South America, while emphasizing that limiting global warming below 2 °C would significantly delay and reduce the extent of emerging fire danger in the region.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».