Landscape composition influences local pattern of fire size in the eastern Canadian boreal forest: role of weather and landscape mosaic on fire size distribution in mixedwood boreal forest using the Prescribed Fire Analysis System
Notice bibliographique
Résumé
Wildfire simulations were carried out using the Prescribed Fire Analysis System (PFAS) to study the effect of landscape composition on fire sizes in eastern Canadian boreal forests. We used the Lake Duparquet forest as reference, plus 13 forest mosaic scenarios whose compositions reflected lengths of fire cycle. Three fire weather risks based on duff moisture were used. We performed 100 simulations per risk and mosaic, with topography and hydrology set constant for the reference. Results showed that both weather and landscape composition significantly influenced fire sizes. Weather related to fire propagation explained almost 79% of the variance, while landscape composition and weather conditions for ignition explained ∼14 and 2% respectively. In terms of landscape, burned area increased with increasing presence of shade-tolerant species, which are related to long fire cycles. Comparisons among the distributions of cumulated area burned from scenarios plus those from the Société de Protection des Forêts contre le Feu database archives showed that PFAS simulated realistic fire sizes using the 80–100% class of probable fire extent. Future analyses would best be performed on a larger region as the limited size of the study area could not capture fires larger than 11 000 ha, which represent 3% of fires but 65% of the total area burned at the provincial scale.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».