Postfire response of North American boreal forest net primary productivity analyzed with satellite observations
Notice bibliographique
Résumé
Abstract Fire is a major disturbance in the boreal forest, and has been shown to release significant amounts of carbon (C) to the atmosphere through combustion. However, less is known about the effects on ecosystems following fire, which include reduced productivity and changes in decomposition in the decade immediately following the disturbance. In this study, we assessed the impact of fire on net primary productivity (NPP) in the North American boreal forest using a 17‐year record of satellite NDVI observations at 8‐ km spatial resolution together with a light‐use efficiency model. We identified 61 fire scars in the satellite observations using digitized fire burn perimeters from a database of large fires. We studied the postfire response of NPP by analyzing the most impacted pixel within each burned area. NPP decreased in the year following the fire by 60–260 g C m −2 yr −1 (30–80%). By comparing pre‐ and postfire observations, we estimated a mean NPP recovery period for boreal forests of about 9 years, with substantial variability among fires. We incorporated this behavior into a carbon cycle model simulation to demonstrate these effects on net ecosystem production. The disturbance resulted in a release of C to the atmosphere during the first 8 years, followed by a small, but long‐lived, sink lasting 150 years. Postfire net emissions were three times as large as from a model run without changing NPP. However, only small differences in the C cycle occurred between runs after 8 years due to the rapid recovery of NPP. We conclude by discussing the effects of fire on the long‐term continental trends in satellite NDVI observed across boreal North America during the 1980s and 1990s.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».