MétaCan
Menu
Retour à la cohorte
Enregistrement W2132737316 · doi:10.1139/cjfr-2013-0019

Pine cones facilitate ignition of forest floor duff

2013· article· en· W2132737316 sur OpenAlexvenueno aff
Jesse K. Kreye, J. Morgan Varner, Christopher J. Dugaw, Jing Cao, Jonathan Szecsei, Eamon A. Engber

Notice bibliographique

RevueCanadian Journal of Forest Research · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesJoint Fire Science Program
Mots-clésForest floorIgnition systemEnvironmental scienceCombustionAutoignition temperatureTemperate climatePinus <genus>Prescribed burnWater contentForestryEcologyGeologySoil scienceGeographyChemistryBotanySoil waterBiologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The ignition and combustion of forest floor duff are poorly understood yet have been linked to soil heating and overstory tree mortality in many temperate coniferous forests. Research to date has focused on the characteristics of duff that facilitate ignition and spread, including fuel moisture, mineral content, and depth. Field observations suggest that the presence of pine cones on and within the forest floor might facilitate ignition of intermixed forest floor fuels. We investigated the effect of cone fuel additions on the ignition of underlying forest floor from fuels collected in long-unburned longleaf pine (Pinus palustris Mill.) forests in northern Florida, USA. Fuels were wetted to threshold gravimetric moisture contents to evaluate the relative effect on ignition. In stark contrast to fuel beds without cones, in which duff ignition only occurred in 17% of samples, those with cones added ignited the underlying duff 94% of the time. Flame heights were 40% taller and flaming duration was 47% longer in fuel beds with cones. Where present, pine cones act as vectors of ignition for forest floor fuels, and their role in fires deserves more attention to enhance our understanding of forest floor combustion.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,038
Tête enseignante GPT0,268
Écart entre enseignants0,230 · 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'étudeExpérimental (laboratoire)
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

Citations22
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207