Role of vegetation and weather on fire behavior in the Canadian mixedwood boreal forest using two fire behavior prediction systems
Notice bibliographique
Résumé
Spring and summer simulations were carried out using the Canadian Fire Behavior Prediction (FBP) and U.S. BEHAVE systems to study the role of vegetation and weather on fire behavior in the mixedwood boreal forest. Stands at Lake Duparquet (Quebec, Canada) were characterized as being deciduous, mixed-deciduous, mixed-coniferous, or coniferous, according to their conifer basal area percentage. Sampled fuel loads (litter, duff, woody debris, herbs, and shrubs) and local weather conditions (three different fire-risk classes) were used as inputs in the simulation. The predicted fire behavior variables were rate of spread (ROS), head fire intensity (HFI), and area burned. Results from ANOVA testing showed that both weather and vegetation are not always significant, and the two prediction systems qualitatively attribute the explained variance to these factors differently. The FBP System selects the weather factor as the most important factor for all fire behavior variables, whereas BEHAVE selects the vegetation factor. However, three research burns located in Ontario revealed that BEHAVE was not well adapted to the mixedwood boreal region, whereas FBP predictions were quantitatively close to observed prescribed values. Extreme fire weather is confirmed as producing large and intense fires, but differences in fire behavior among stand types exist across the full range of fire weather. Implications of climate change, vegetation, and seasonal effects on fire behavior and the forest mosaic are discussed.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».