Variability and drivers of burn severity in the northwestern Canadian boreal forest
Notice bibliographique
Résumé
Abstract Burn severity (ecological impacts of fire on vegetation and soils) influences post‐fire stand structure and species composition. The spatial pattern of burn severity may compound the ecological impacts of fire through distances to seed sources and availability of bud banks and seedbeds. Land managers require spatial burn severity data to manage post‐fire risks, ecosystem recovery, and assess the outcomes of fires. This research seeks to characterize and explain variability in burn severity in the northwestern boreal forest. We assessed burn severity one year post‐fire in six large wildfires that burned in 2014. We measured burn severity using the Composite Burn Index, surface Burn Severity Index, Canopy Fire Severity Index, and percent overstory mortality, describing a range of surface and overstory fire effects. Burn severity was variable, ranging from unburned residuals to complete overstory mortality and intense combustion. We related field measurements to remotely sensed multispectral burn severity metrics of the differenced Normalized Burn Ratio (dNBR), the Relativized dNBR, and the Relativized Burn Ratio. Diagnostic models of burn severity using relativized metrics had lower errors and better (though not significantly so) fits to the field data. Spatial patterns of burn severity were consistent with those observed in other large fires in North America. Stand‐replacing patches were large, aggregated, and covered the largest proportion of the landscape. These patterns were not consistent across the four mapped burn severity field metrics, suggesting such metrics may be viewed as related, but complementary, as they depict different aspects of severity. Prognostic models indicated burn severity was explained by pre‐fire stand structure and composition, topoedaphic context, and fire weather at time of burning. Wetlands burned less severely than uplands, and open stands with high basal areas experienced lower burn severity in upland vegetation communities. This research offers an enhanced understanding of the relationship between ground observations and remotely sensed severity metrics, in conjunction with stand‐level drivers of burn severity. The diverse fuel complexes and extreme fire weather during the 2014 fire season produced the complex patterns and broad range of burn severity observed.
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 | 0,001 | 0,002 |
| 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 ».