MétaCan
Menu
← Retour à la cohorte
Enregistrement W2292071796 · doi:10.1139/cjfr-2015-0445

Variation in fuel structure of boreal fens

2016· article· en· W2292071796 sur OpenAlexaffvenueabout
Tom Schiks, B. Mike Wotton, Merritt R. Turetsky, Brian W. Benscoter

Notice bibliographique

RevueCanadian Journal of Forest Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensCanadian Forest ServiceUniversity of GuelphNatural Resources CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBorealEnvironmental scienceShrubPeatTaigaBogBiomass (ecology)Atmospheric sciencesEcologyGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Wildfire frequency and severity in boreal peatlands can be limited by wet fuel conditions, but increases in burn severity can occur when lower water table positions cause drying of fuels. To date, most studies on northern peatland fires have focused on ombrotrophic bogs. Though minerotrophic fens are the most common type of peatland in North America, the influence of fuel structure and loading on potential fire behaviour in boreal fens is poorly understood. To investigate the potential for widespread flame front propagation across boreal fens, we quantified the fuel components present in three generalized boreal fen types (open, shrub, and treed fens) in northern Alberta, Canada. The loadings of aerial fuels, tall shrubs, and downed woody debris varied significantly among fen types. Fuel loads tended to be smallest in the open fens and largest in the treed fens. Open and shrub fens had larger loads of total surface fuels relative to treed fens, with short-statured shrubs being the dominant contributor to surface fuel load. Based on our observations of available fuel loads, each of the fen types may support moderate- to high-intensity fire following long-term drying, which may not only consume some fraction of the aboveground biomass, but also provide a substantial downward pulse of energy to initiate smouldering in the organic layer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,639
Score d'incertitude au seuil0,719

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,264
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetFire effects on ecosystems→Travaux en français237 207→