Ecosystem carbon emissions from 2015 forest fires in interior Alaska
Notice bibliographique
Résumé
BACKGROUND: In the summer of 2015, hundreds of wildfires burned across the state of Alaska, and consumed more than 1.6 million ha of boreal forest and wetlands in the Yukon-Koyukuk region. Mapping of 113 large wildfires using Landsat satellite images from before and after 2015 indicated that nearly 60% of this area was burned at moderate-to-high severity levels. Field measurements near the town of Tanana on the Yukon River were carried out in July of 2017 in both unburned and 2015 burned forested areas (nearly adjacent to one-another) to visually verify locations of different Landsat burn severity classes (low, moderate, or high; LBS, MBS, HBS). RESULTS: Field measurements indicated that the loss of surface organic layers in boreal ecosystem fires is a major factor determining post-fire soil temperature changes, depth of thawing, and carbon losses from the mineral topsoil layer. Measurements in forest sites showed that soil temperature profiles to 30 cm depth at burned forest sites were higher by an average of 8-10 °C compared to unburned forest sites. Sampling and laboratory analysis indicated a 65% reduction in soil carbon content and a 58% reduction in soil nitrogen content in severely burned sample sites compared to soil mineral samples from nearby unburned spruce forests. CONCLUSIONS: Combined with nearly unprecedented forest areas severely burned in the Interior region of Alaska in 2015, total ecosystem fire-related losses of carbon to the atmosphere exceeded most previous estimates for the state, owing mainly to inclusion of potential "mass wasting" and decomposition in the mineral soil carbon layer in the 2 years following these forest fires.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».