A hydrogeological landscape framework to identify peatland wildfire smouldering hot spots
Notice bibliographique
Résumé
Abstract Northern peatlands are important global carbon stores, but there is concern that these boreal peat reserves are at risk due to increased fire frequency and severity as predicted by climate change models. In a subhumid climate, hydrogeological position is an important control on peatland hydrology and wildfire vulnerability. Consequently, we hypothesized that in a coarse‐textured glaciofluvial outwash, isolated peatlands lacking the moderating effect of large‐scale groundwater flow would have greater water table (WT) variability and would also be more vulnerable to deep WT drawdown and wildfire during dry climate cycles. A holistic approach was taken to evaluate 3 well‐accepted factors that are associated with smouldering in boreal peatlands: hollow microform coverage, peatland margin morphometry, and gravimetric water content. Using a combination of field measurements (bulk density, humification, WT position, hummock–hollow distribution, and margin width) and modelling (1‐D vertical unsaturated flow coupled with a simple peat–fuel energy balance equation), we assessed the vulnerability of peat to smouldering. We found that a peatland in the regionally intermediate topographic position is the most vulnerable to smouldering due to the interaction of variable connectivity to large‐scale groundwater flow and the absence of mineral stratigraphy for limiting WT declines during dry conditions. Our findings represent a novel assessment framework and tool for fire managers by providing a priori knowledge of potential peat smouldering hot spot locations in the landscape to efficiently allocate resources and reduce emergency response time to smouldering events.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».