Fire scars reveal variability and dynamics of eastern fire regimes
Notice bibliographique
Résumé
Fire scar evidence in eastern North America is sparse and complex but shows promise in defining the dynamics of these fire regimes and their influence on ecosystems. We review fire scar data, methods, and limitations, and use this information to identify and examine the factors influencing fire regimes. Fire scar data from studies at more than 40 sites in Eastern North America document fire regimes in forests with oak. Fire frequency was highly variable in both time and space even at regional scales (less than 500,000 ha). Many sites burned frequently (2- to 3-year mean fire intervals) while nearby sites (less than 40 km distant) burned infrequently (mean fire intervals more than 20 years). The fire scar record shows that major factors controlling temporal differences in fire regimes are changes in human population density, culture, and annual drought. Spatial differences in fire regimes are influenced by regional temperature, human population density, and topographic resistance to the spread of fire. Severe fire years (more than 10 percent of trees scarred at the sites) were associated with strong regional droughts that covered most of the Eastern United States and southern Ontario, Canada. Major fire years in Eastern North America occurred about 3.6 times per century before suppression efforts in forests with an oak component. Fire regimes with numerous human ignitions were more influenced by droughts. We synthesize mean fire intervals during the pre-European settlement period using an empirically derived regression model. The model was developed using two variables to predict broad scale spatial differences in fire frequency based on fire interval data derived from dendrochronologically dated fire scarred trees. Sixty-three percent of the variance in mean fire intervals was explained by mean maximum temperature and 12 percent by mapped human population density and historical documentation. The model is used to map coarse scale fire intervals in forested regions of the Eastern United States.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».