Improving the representation of fire disturbance in dynamic vegetation models by assimilating satellite data: a case study over the Arctic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. Fire provides an impulsive and stochastic pathway for carbon from the terrestrial biosphere to enter the atmosphere. Despite fire emissions being of similar magnitude to net ecosystem exchange in many biomes, even the most complex dynamic vegetation models (DVMs) embedded in general circulation models contain poor representations of fire behaviour and dynamics, such as propagation and distribution of fire sizes. A model-independent methodology is developed which addresses this issue. Its focus is on the Arctic where fire is linked to permafrost dynamics and on occasion can release great amounts of carbon from carbon-rich organic soils. Connected-component labelling is used to identify individual fire events across Canada and Russia from daily, low-resolution burned area satellite products, and the obtained fire size probability distributions are validated against historical data. This allows the creation of a fire database holding information on area burned and temporal evolution of fires in space and time. A method of assimilating the statistical distribution of fire area into a DVM whilst maintaining its fire return interval is then described. The algorithm imposes a regional scale spatially dependent fire regime on a sub-scale spatially independent model; the fire regime is described by large-scale statistical distributions of fire intensity and spatial extent, and the temporal dynamics (fire return intervals) are determined locally. This permits DVMs to estimate many aspects of post-fire dynamics that cannot occur under their current representations of fire, as is illustrated by considering the modelled evolution of land cover, biomass and net ecosystem exchange after a fire.
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.
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 | 0,003 | 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle