Effects of biotic feedback and harvest management on boreal forest fire activity under climate change
Notice bibliographique
Résumé
Predictions of future fire activity over Canada's boreal forests have primarily been generated from climate data following assumptions that direct effects of weather will stand alone in contributing to changes in burning. However, this assumption needs explicit testing. First, areas recently burned can be less likely to burn again in the near term, and this endogenous regulation suggests the potential for self-limiting, negative biotic feedback to regional climate-driven increases in fire. Second, forest harvest is ongoing, and resulting changes in vegetation structure have been shown to affect fire activity. Consequently, we tested the assumption that fire activity will be driven by changes in fire weather without regulation by biotic feedback or regional harvest-driven changes in vegetation structure in the mixedwood boreal forest of Alberta, Canada, using a simulation experiment that includes the interaction of fire, stand dynamics, climate change, and clear cut harvest management. We found that climate change projected with fire weather indices calculated from the Canadian Regional Climate Model increased fire activity, as expected, and our simulations established evidence that the magnitude of regional increase in fire was sufficient to generate negative feedback to subsequent fire activity. We illustrate a 39% (1.39-fold) increase in fire initiation and 47% (1.47-fold) increase in area burned when climate and stand dynamics were included in simulations, yet 48% (1.48-fold) and 61% (1.61-fold) increases, respectively, when climate was considered alone. Thus, although biotic feedbacks reduced burned area estimates in important ways, they were secondary to the direct effect of climate on fire. We then show that ongoing harvest management in this region changed landscape composition in a way that led to reduced fire activity, even in the context of climate change. Although forest harvesting resulted in decreased regional fire activity when compared to unharvested conditions, forest composition and age structure was shifted substantially, illustrating a trade-off between management goals to minimize fire and conservation goals to emulate natural disturbance.
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 | 0,000 | 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 ».