Accès ouvert déclaré 2026 peer-review

Rethinking Wildfire Suppression Strategies for a Warming World

Yichen Wang, Huyang Yu, Jie Ma, Chunchun Meng, Chenguang Tian, Xu Yue, Fang Li, Jiangxia Ye, Mingxi Du, Shupeng Zhu, Rong Wang, Yuqiang Zhang, Nan Li, Junji Cao, Shuzhuo Li, Drew Shindell

0Citations signalées, ce qui n’est pas une note de qualité

0Institutions déclarées

0Pays d’affiliation déclarés

Le résumé fourni par la source

This archive contains code and data to reproduce results from Yichen Wang, Huyang Yu, Jie Ma, et al. (in review), including: (i) machine-learning model training and prediction, (ii) cross-border regression as a robustness test of policy effects, and (iii) Geographical Detector analysis. Replication/ │├─ Fire-RD/ # Cross-border regression (robustness test of policy effects)│ ├─ fire-rd-replication.do # Stata replication do-file│ ├─ fire_data_2023_rep.dta # Replication-ready regression dataset│ ├─ fire_data_more_rep.dta│ └─ fire_northeast_rep.dta│├─ Fire_annual/ # Machine-learning training and prediction│ ├─ fire_annual.py # Main script for annual ML model training & prediction (e.g., CO2/BA/FRP)│ ├─ city_monthly_2000_2020.csv # City-by-month panel dataset (2000–2020)│ ├─ scenario_monthly_2025_2100.csv # Scenario-driven city-by-month inputs (2025–2100)│ └─ README.md # How to run + software/environment notes│└─ Geographical Detector/ # Geographical Detector analysis ├─ Geographical Detector.py # Script for Geographical Detector implementation ├─ province_panel_2013_2020_gd.csv # Province-level panel data (2013–2020) used for the detector └─ README.md # How to run + output description

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

La source scientifique ouverte est momentanément indisponible.

Lire en accès ouvert Consulter la publication primaire Ouvrir le DOI