Can the Canadian drought code predict low soil moisture anomalies in the mineral soil? An analysis of 15 years of soil moisture data from three forest ecosystems in Eastern Canada
Notice bibliographique
Résumé
Abstract The Canadian Drought Code (CDC) is an empirical soil‐drying model adapted to high‐latitude forests and commonly used by Canadian fire managers and researchers to predict the water content of the organic soil layer. Better knowledge of the capacity of the CDC to predict the effect of droughts on the water content of the mineral soil could improve our capacity to predict the future response of Canadian boreal forests to future changes in drought frequency and intensity. We tested the capacity of the CDC to predict mineral soil water content (SWC) and droughts against long‐term (14–16 years) daily mineral SWC data from time domain reflectometry probes in multiple stations within three forest ecosystems of Eastern Canada respectively dominated by sugar maple, balsam fir and black spruce. Droughts were defined as SWC values lower than one standard deviation from their historical mean. The drought intensity and frequency of each growing season were computed as the sum of daily SWC departures from normal and the sum of days of drought, respectively. Our results show that the CDC is a reliable predictor of mineral SWC ( r = 0.6–0.8), drought frequency ( r = 0.5–0.9) and intensity ( r = 0.7–0.9) for high‐latitude forest ecosystems of Eastern Canada. Lower correlations were due to the poor accuracy of the model at predicting mild droughts at the sugar maple stand due to the SWC values close to the drought threshold. We detected a higher susceptibility to droughts at the black spruce stand due to a 1‐month‐earlier occurrence of severe droughts. Copyright © 2015 John Wiley & Sons, Ltd.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».