MétaCan
Menu
Retour à la cohorte
Enregistrement W2075167675 · doi:10.1071/wf10113

How does increased fire frequency affect carbon loss from fire? A case study in the northern boreal forest

2011· article· en· W2075167675 sur OpenAlexafffund
Carissa D. Brown, Jill F. Johnstone

Notice bibliographique

RevueInternational Journal of Wildland Fire · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesGovernment of CanadaArctic Institute of North America
Mots-clésEnvironmental scienceBorealFire regimeTaigaBlack spruceCarbon cycleCarbon fibersCanopyClimate changeGlobal warmingEcosystemAtmospheric sciencesEcologyForestryGeographyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Fire frequency is expected to increase due to climate warming in many areas, particularly the boreal forests. An increase in fire frequency may have important effects on the global carbon cycle by decreasing the size of boreal carbon stores. Our objective was to quantify and compare the amount of carbon consumed during and the amount of carbon remaining following fire in black spruce (Picea mariana (Mill.) BSP) forests burned after long v. short intervals. We hypothesised that stands with a shortened fire return interval would have a higher carbon consumption than those experiencing a historically typical fire return interval. Using field measurements of forest canopy, soil organic horizons and adventitious roots, we reconstructed pre-fire stand conditions to estimate the biomass lost in each fire and the effects on post-fire residual carbon stores. We found evidence of a higher loss of carbon following two fire events that recurred after a short interval, resulting in a much greater total reduction in carbon relative to pre-fire or mature stand conditions. Consequently, carbon storage across disturbance intervals was dramatically reduced following short-interval burns. Recovery of these stores would require a subsequent lengthening of the fire cycle, which appears unlikely under future climate scenarios.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,223
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations54
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Wildland FireMême sujetFire effects on ecosystemsTravaux en français237 207