MétaCan
Menu
Retour à la cohorte
Enregistrement W2545815634 · doi:10.1080/11956860.2004.11682853

Recent fire regime (1945–1998) in the boreal forest of western Québec

2004· article· en· W2545815634 sur OpenAlexaffvenueabout
Patrick Lefort, Alain Leduc, Sylvie Gauthier, Yves Bergeron

Notice bibliographique

RevueEcoscience · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaUniversité du Québec en Abitibi-TémiscamingueUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésTaigaLightning (connector)Fire regimeBorealEnvironmental scienceFire ecologyGeographyPhysical geographyMeteorologyEcologyEcosystemForestry

Résumé

récupéré en direct d'OpenAlex

:The forest fire regime was characterized for the boreal forest of western Québec using the provincial government’s digital databases (1945-1998). Lightning- and human-caused fires account for 71% and 29% of the total area burned, respectively. With regard to ignition sources, lightning was responsible for 38% of the fires while humans were the ignition agent for 62% of fires. The fire regime parameters (burn rate, fire occurrence, and size) were subjected to a stepwise regression analysis on the basis of regional landscape units. Models indicate that climatic factors, particularly summer precipitation and maximum temperatures, play a primary role in forest fire dynamics, regardless of the ignition source. Fire occurrence models were the most predictable with R2 values of 0.79 and 0.60 for lightning fires and human-caused fires, respectively. Models of burned areas reached an R2 value of 0.63 for lightning but only 0.22 for human-caused fires; on the other hand, the fire-size model for human-caused fires showed an R2 value of 0.57 but only 0.24 for lightning fires. In the case of human-induced fires, the density of the road network and sand deposits were important in fire occurrence and burned areas models. Once characterized, landscape units tend to group together naturally, forming extensive areas in which the fire regime is relatively homogeneous. The results of the regionalization based on lightning fire regimes are discussed from the standpoint of sustainable forest management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,256
Score d'incertitude au seuil0,938

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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 tête enseignante, 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

Citations32
Publié2004
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetFire effects on ecosystemsTravaux en français237 207