MétaCan
Menu
Retour à la cohorte
Enregistrement W2803784155 · doi:10.3390/f9060285

Effect of Topography on Persistent Fire Refugia of the Canadian Rocky Mountains

2018· article· en· W2803784155 sur OpenAlexaffabout
Marie-Pierre Rogeau, Quinn E. Barber, Marc‐André Parisien

Notice bibliographique

RevueForests · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésEcologyFire regimeGeographyEnvironmental scienceEcosystemClimate changeFire ecologyPhysical geographyBiology

Résumé

récupéré en direct d'OpenAlex

Persistent fire refugia, which are forest stands that have survived multiple fires, play an important ecological role in the resilience of mountainous forest ecosystems following disturbances. The loss of numerous refugia patches to large, high-severity fires in recent years is prompting the need to better understand drivers of fire refugia endurance. We investigate the role of topographic features on fire refugia survivorship based on pre-1950 fire regime conditions. Mapped refugia patches (n = 557) covering 28% of the forested landscape were used to develop three predictive models based on patch size (all sizes, <30 ha, <10 ha), as a function of explanatory variables describing several components of topography. Five topographic variables consistently favoured persistent fire refugia occurrence, though the ranking of explanatory variable importance varied among patch-size models. For the all-refugia model, elevation (23.7%), proportion of non-fuel at a 5000-m scale (20.3%), solar radiation (14.6%), Topographic Position Index at a 2000-m scale (10.1%), and distance from rivers (10.1%) were the top variables. The models’ predictive abilities were high, but decreased with larger patch sizes. We conclude that many suitable areas are currently unoccupied by fire refugia; that random elements affect their survivorship; and that additional environmental factors not considered in this study may contribute to their persistence. With changing climate and fire-regime conditions, careful fire and forest management considerations will be needed to limit future losses of persistent fire refugia forests.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,612
Score d'incertitude au seuil0,809

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,206
Écart entre enseignants0,203 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations22
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetFire effects on ecosystemsTravaux en français237 207