Investigating correlations between snowmelt and forest fires in a high latitude snowmelt dominated drainage basin
Notice bibliographique
Résumé
Abstract High latitude drainage basins are experiencing increases in temperature higher than the global average, with snowmelt dominated basins most sensitive to effects in winter because of the snowpack's integration of these changes over the season. This may influence the timing of snowmelt onset, the melt‐refreeze period and snowpack accumulation resulting in changes in spring runoff, associated flooding and drought conditions later in the year, possibly enhancing forest fire potential. Large burned areas cleared of vegetation change discharge dynamics and may affect snowmelt characteristics and discharge in subsequent seasons. Correlations are tested by comparing forest fire occurrence with spring melt onset, the end of the melt‐refreeze period (after which snow rapidly depletes) and early snowmelt events. Snow characteristics are derived from brightness temperature ( T b ) data from the Advanced Microwave Scanning Radiometer for EOS (AMSR‐E) for 2003–2010. Dates of melt onset, end of melt‐refreeze and early melt events are defined with T b and diurnal amplitude variation thresholds. Areas and intensities of forest fires are from the Moderate Resolution Imaging Spectroradiometer (MODIS) thermal anomaly data (MOD14), and all data are mapped to an Equal‐Area Scalable Earth Grid to assess spatial correlations. Earlier melt onset and end of melt‐refreeze are found in years and areas of high forest fire occurrence by comparing high (2004–2005) and low (2006–2007) fire years in the Porcupine sub‐basin of the Yukon River in northeastern Alaska and the Yukon Territory. The burned areas also correlate with relatively later melt onset and later end of melt‐refreeze in subsequent low fire years. Copyright © 2012 John Wiley & Sons, Ltd.
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 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».