Predicting litter and live herb fuel consumption during prescribed fires in native and old-field upland pine communities of the southeastern United States
Notice bibliographique
Résumé
The ability to predict fuel consumption during fires is essential for a wide range of applications, including estimation of fire effects and fire emissions. This project identified predictors of fuel consumption for the dominant fuel bed components (litter (<0.6-cm diameter dead material) and live herbs) during 217 prescribed fires in native longleaf pine ( Pinus palustris Mill.) and old-field loblolly pine ( Pinus taeda L.) – shortleaf pine ( Pinus echinata Mill.) communities in the southeastern United States. Additionally, these data were used to validate the First Order Fire Effects Model (FOFEM) fuel consumption computer model using custom and default fuel loads. Regression models using empirical data suggested that litter and live herb fuel consumption can be predicted by prefire litter and live herb fuel loads, litter and live herb fuel moisture, litter fuel bed bulk density, season of burn, years since fire, days since last rain ≥0.64 cm, relative humidity, energy release component, community type, pine and hardwood basal areas, and the Keetch–Byram drought index. FOFEM’s prediction of fuel consumption for litter, live herbs, and duff combined using default fuel loads was 1.5 times the measured fuel consumption (where duff fuel load was zero). Refinement of FOFEM’s fuel load and consumption calculations in the studied community types using the newly collected data and suggestions for model improvement would provide more accurate air quality inventories and assist in guiding appropriate regulation of prescribed fire.
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 | 0,000 | 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 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 ».