MétaCan
Menu
Retour à la cohorte
Enregistrement W2562426592 · doi:10.3390/f8010009

Influence of Fuel Load Dynamics on Carbon Emission by Wildfires in the Clay Belt Boreal Landscape

2016· article· en· W2562426592 sur OpenAlexafffundabout
Aurélie Terrier, Mathieu Paquette, Sylvie Gauthier, Martin P. Girardin, Sylvain Pelletier-Bergeron, Yves Bergeron

Notice bibliographique

RevueForests · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversité du Québec en Abitibi-TémiscamingueUniversité LavalNatural Resources CanadaNatural Sciences and Engineering Research Council of CanadaUniversité du Québec à MontréalCanadian Forest Service
Organismes subventionnairesCanadian Forest ServiceNatural Sciences and Engineering Research Council of CanadaU.S. Forest Service
Mots-clésCoarse woody debrisTaigaEnvironmental scienceCarbon stockBorealBiomass (ecology)Carbon fibersFire regimeDisturbance (geology)BiodiversityCarbon cycleEcologyAgroforestryForestryEcosystemClimate changeGeographyGeologyHabitatBiology

Résumé

récupéré en direct d'OpenAlex

Old-growth forests play a decisive role in preserving biodiversity and ecological functions. In an environment frequently disturbed by fire, the importance of old-growth forests as both a carbon stock as well as a source of emissions when burnt is not fully understood. Here, we report on carbon accumulation with time since the last fire (TSF) in the dominant forest types of the Clay Belt region in eastern North America. To do so, we performed a fuel inventory (tree biomass, herbs and shrubs, dead woody debris, and duff loads) along four chronosequences. Carbon emissions by fire through successional stages were simulated using the Canadian Fire Effects Model. Our results show that fuel accumulates with TSF, especially in coniferous forests. Potential carbon emissions were on average 11.9 t·ha−1 and 29.5 t·ha−1 for old-growth and young forests, respectively. In conclusion, maintaining old-growth forests in the Clay Belt landscape not only ensures a sustainable management of the boreal forest, but it also optimizes the carbon storage.

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 enseignants0,009
Score d'incertitude au seuil0,828

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 GPT0,199
Écart entre enseignants0,197 · 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

Citations11
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetFire effects on ecosystemsTravaux en français237 207