Landscape-level interactions of prefire vegetation, burn severity, and postfire vegetation over a 16-year period in interior Alaska
Notice bibliographique
Résumé
Landsat imagery was used to study the relationship between a remotely sensed burn severity index and prefire vegetation and the postfire vegetation response related to burn severity within a 1986 burn in interior Alaska. Vegetation was classified prior to the fire and 16 years after the fire, and a chronosequence of remotely sensed vegetation index values was analyzed as a surrogate of vegetation recovery. Remotely sensed burn severity varied by vegetation class, with needle-leaf forest classes experiencing higher burn severity than broadleaf forest or broadleaf shrubland classes. Burn severity varied by cover within needle-leaf classes. Elevation also had an influence on burn severity, presumably as a result of there being less fuel above the treeline. Several large broadleaf areas at the fire perimeter appeared to act as fire breaks. A remotely sensed vegetation index peaked 814 years after the fire, and increase in the vegetation index was highest within the highest burn severity class. Self-replacement appeared to be the dominant successional pathway, with prefire needle-leaf forest classes mostly succeeding to needle-leaf woodland and with prefire broadleaf forest mostly succeeding to broadleaf shrubland. Because the remotely sensed indices were based on reflected solar radiation, they are likely indicative of surface properties, such as canopy destruction and surface charring, rather than subsurface properties, such as postfire depth of organic soil.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».