MétaCan
Menu
Retour à la cohorte
Enregistrement W2555118377 · doi:10.3390/f7110265

Effects of Lakes on Wildfire Activity in the Boreal Forests of Saskatchewan, Canada

2016· article· en· W2555118377 sur OpenAlexafffundabout
Scott E. Nielsen, Evan R. DeLancey, Krista Reinhardt, Marc‐André Parisien

Notice bibliographique

RevueForests · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaCanadian Forest ServiceUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTaigaBorealGeographyEcologyEnvironmental scienceForestryAgroforestryPhysical geographyBiology

Résumé

récupéré en direct d'OpenAlex

Large lakes can act as firebreaks resulting in distinct patterns in the forest mosaic. Although this is well acknowledged, much less is known about how wildfire is affected by different landscape measures of water and their interactions. Here we examine how these factors relate to historic patterns of wildfire over a 35-year period (1980–2014) for the boreal forest of Saskatchewan, Canada. This includes the amount of water in different-sized neighborhoods, the presence of islands, and the direction, distance, and shape of nearest lake of different sizes. All individual factors affected wildfire presence, with lake sizes ≥5000 ha and amount of water within a 1000-ha surrounding area the most supported spatial scales. Overall, wildfires were two-times less likely on islands, more likely further from lakes that were circular in shape, and in areas with less surrounding water. Interactive effects were common, including the effect of direction to lake as a function of distance from lakeshore and amount of surrounding water. Our results point to a strong, but complex, bottom-up control of local wildfire activity based on the configuration of natural firebreaks. In fact, fire rotation periods predicted for one area varied more than 15-fold (<47 to >700 years) depending on local patterns in lakes. Old-growth forests within this fire-prone ecosystem are therefore likely to depend on the surrounding configuration of larger lakes.

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)0,000
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 enseignants0,339
Score d'incertitude au seuil0,345

Scores Codex et Gemma par catégorie

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

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 Opus0,003
Tête enseignante GPT0,187
Écart entre enseignants0,184 · 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

Citations47
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetFire effects on ecosystemsTravaux en français237 207