Mixed-severity fire regimes: How well are they represented by existing fire-regime classification systems?
Notice bibliographique
Résumé
Maps depicting historic fire regimes provide critical baselines for sustainable forest management and wildfire risk assessments. However, given our poor understanding of mixed-severity fire regimes, we asked if there may be considerable errors in fire-regime classification systems used to create landscape-level maps. We used dendrochronological field data (fire scars and tree establishment dates) from 20 randomly selected sites in southern British Columbia to evaluate two classification systems (Natural Disturbance Type (NDT) and Historical Natural Fire Regime (HNFR)) used by managers to map fire regimes. We found evidence of mixed-severity fires at 55% of sites. Each classification system made considerable and contrasting errors predicting mixed-severity regimes (relative to field data), and the discrepancies varied with elevation. The NDT system underrepresented low-to-moderate-severity fires at lower elevations, whereas the HNFR system overpredicted their occurrence at higher elevations. Errors are attributed to underlying assumptions about disturbances in the two classification systems, as well as limitations of the research methods used to estimate fire frequency in mixed-severity regimes (i.e., methods more relevant to high- versus low-severity regimes). Ecological heterogeneity created by mixed-severity regimes potentially influences decisions related to conservation, silviculture, wildfire, and fuel mitigation. Thus, understanding underlying assumptions and errors in mapping fire regimes is critical.
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 | 0,014 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».