Did enhanced afforestation cause high severity peat burn in the Fort McMurray Horse River wildfire?
Notice bibliographique
Résumé
Climate change mediated drying of boreal peatlands is expected to enhance peatland afforestation and wildfire vulnerability. The water table depth–afforestation feedback represents a positive feedback that can enhance peat drying and consolidation and thereby increase peat burn severity; exacerbating the challenges and costs of wildfire suppression efforts and potentially shifting the peatland to a persistent source of atmospheric carbon. To address this wildfire management challenge, we examined burn severity across a gradient of drying in a black spruce dominated peatland that was partially drained in 1975−1980 and burned in the 2016 Fort McMurray Horse River wildfire. We found that post-drainage black spruce annual ring width increased substantially with intense drainage. Average (±SD) basal diameter was 2.6 ± 1.2 cm, 3.2 ± 2.0 cm and 7.9 ± 4.7 cm in undrained (UD), moderately drained (MD) and heavily drained (HD) treatments, respectively. Depth of burn was significantly different between treatments (p < 0.001) and averaged (±SD) 2.5 ± 3.5 cm, 6.4 ± 5.0 cm and 36.9 ± 29.6 cm for the UD, MD and HD treatments, respectively. The high burn severity in the HD treatment included 38% of the treatment that experienced combustion of the entire peat profile, and we estimate that overall 51% of the HD pre-burn peat carbon stock was lost. We argue that the HD treatment surpassed an ecohydrological tipping point to high severity peat burn that may be identified using black spruce stand characteristics in boreal plains bogs. While further studies are needed, we believe that quantifying this threshold will aid in developing effective adaptive management techniques and protecting boreal peatland carbon stocks.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».