Quantifying the effect of fuel reduction treatments on fire behavior in boreal forests
Notice bibliographique
Résumé
Mechanical (e.g., shearblading) and manual (e.g., thinning) fuel treatments have become the preferred strategy of many fire managers and agencies for reducing fire hazard in boreal forests. This study attempts to characterize the effectiveness of four fuel treatments through direct measurement of fire intensity and forest floor consumption during a single prescribed burn. The treatments included (1) thinning trees and removing debris (THIN-REMOVE-1 and -2), (2) thinning trees and burning the debris onsite, (3) shearblading and leaving the debris in place (SHEAR), and (4) shearblading and piling the debris in windrows (SHEAR-ROW). Fire burned through treatments 1, 3, and 4 and one control unit. The highest fire intensities (maximum temperature of 1150 °C, maximum heat flux of 227 kW·m–2, and fire cumulative energy release of 4277 J·m–2) were measured in the control. Treatment 1 exhibited a peak temperature of 267 °C, peak heating of 16 kW·m–2, and cumulative energy release of 2600 J·m–2. Treatments 3 and 4 exhibited peak temperatures of 170 and 66 °C, peak heating of 51 and 3 kW·m–2, and cumulative energy release of 2500 and 1800 J·m–2, respectively. The thinned treatment showed the most significant impact in the context of reduced heat release.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».