Evaluation of the composite burn index for assessing fire severity in Alaskan black spruce forests
Notice bibliographique
Résumé
We evaluated the utility of the composite burn index (CBI) for estimating fire severity in Alaskan black spruce forests by comparing data from 81 plots located in 2004 and 2005 fire events. We collected data to estimate the CBI and quantify crown damage, percent of trees standing after the fire, depth of the organic layer remaining after the fire, depth of burning in the surface organic layer (absolute and relative), and the substrate layer exposed by the fire. To estimate pre-fire organic layer depth, we collected data in 15 unburned stands to develop relationships between total organic layer depth and measures of the adventitious root depth above mineral soil and below the surface of the organic layer. We validated this algorithm using data collected in 17 burned stands where pre-fire organic layer depth had been measured. The average total CBI value in the black spruce stands was 2.46, with most of the variation a result of differences in the CBI observed for the substrate layer. While a quadratic equation using the substrate component of CBI was a relatively strong predictor of mineral soil exposure as a result of fire (R2 = 0.61, P < 0.0001, F = 60.3), low correlations were found between the other measures of fire severity and the CBI (R2 = 0.00–0.37). These results indicate that the CBI approach has limited potential for quantifying fire severity in these ecosystems, in particular organic layer consumption, which is an important factor to understand how ecosystems will respond to changing climate and fire regimes in northern regions.
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 | 0,001 | 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 | 0,000 | 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 ».