Vegetation structure and fire weather influence variation in burn severity and fuel consumption during peatland wildfires
Notice bibliographique
Résumé
Abstract. Temperate peatland wildfires are of significant environmental concern but information on their environmental effects is lacking. We assessed variation in burn severity and fuel consumption within and between wildfires that burnt British moorlands in 2011 and 2012. We adapted the composite burn index (pCBI) to provide semi-quantitative estimates of burn severity. Pre- and post-fire surface (shrubs and graminoids) and ground (litter, moss, duff) fuel loads associated with large wildfires were assessed using destructive sampling and analysed using a generalised linear mixed model (GLMM). Consumption during wildfires was compared with published estimates of consumption during prescribed burns. Burn severity and fuel consumption were related to fire weather, assessed using the Canadian Fire Weather Index System (FWI System), and pre-fire vegetation type. pCBI varied 1.6 fold between, and up to 1.7 fold within, wildfires. pCBI was higher where moisture codes of the FWI System indicated drier fuels. Spatial variation in pre- and post-fire fuel load accounted for a substantial proportion of the variance in fuel loads. Average surface fuel consumption was a linear function of pre-fire fuel load. Average ground fuel combustion completeness could be predicted by the Buildup Index. Carbon release ranged between 0.36 and 1.00 kg C m−2. The flammability of ground fuel layers may explain the higher C release-rates seen for wildfires in comparison to prescribed burns. Drier moorland community types appear to be at greater risk of severe burns than blanket-bog communities.
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 | 0,001 |
| 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 ».