MétaCan
Menu
Retour à la cohorte
Enregistrement W2589991639 · doi:10.1139/cjfr-2016-0445

Changes in mean forest age in Canada’s forests could limit future increases in area burned but compromise potential harvestable conifer volumes

2017· article· en· W2589991639 sur OpenAlexaffvenueabout
Yan Boulanger, Martin P. Girardin, Pierre Y. Bernier, Sylvie Gauthier, André Beaudoin, Luc Guindon

Notice bibliographique

RevueCanadian Journal of Forest Research · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceVegetation (pathology)Fire regimeClimate changePhysical geographyEcologyForestryAtmospheric sciencesGeographyEcosystemBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Forest fire activity is projected to increase with climate change in Canada, but vegetation feedbacks are usually not considered. Using new information on the selectivity or avoidance of fire as a function of stand age and composition, we ran simple simulation models that consider the changes in the regional age matrices induced by fire and harvesting to project future burn rates. We also projected estimated future regional vulnerability of timber supply to fire by considering these new burn rates. The inclusion of age-related feedbacks would have a large impact on projected increases in burn rates, mostly in a very fire active zone under aggressive climate forcing. Projected burn rates would still increase, but would be 50% less in 2100 than if projected without this biotic feedback in some zones. Negative feedbacks would be virtually nonexistent when potential burning rates are below 1%, whereas realized burning rates would be lowered by more than a 0.5 percentage point when potential burning rates exceed 2.5%. Including fire–vegetation feedbacks had virtually no impact on total volume harvested. As fire burns more old-growth coniferous stands, slightly negative impacts were projected on conifer harvested almost everywhere. These results underline the need to incorporate fire–vegetation feedbacks when projecting future burn rates.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,261
Écart entre enseignants0,232 · 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.

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

Citations57
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207