MétaCan
Menu
Retour à la cohorte
Enregistrement W2897584881 · doi:10.3389/feart.2018.00127

Fire as a Removal Mechanism of Pyrogenic Carbon From the Environment: Effects of Fire and Pyrogenic Carbon Characteristics

2018· article· en· W2897584881 sur OpenAlexafffund
Stefan H. Doerr, Cristina Santín, Agustı́n Merino, Claire M. Belcher, Greg Baxter

Notice bibliographique

RevueFrontiers in Earth Science · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensFPInnovations
Organismes subventionnairesHorizon 2020European Research CouncilFPInnovationsEuropean CommissionLeverhulme Trust
Mots-clésCharcoalEnvironmental scienceCarbon fibersCombustionEnvironmental chemistryDegradation (telecommunications)Total organic carbonVegetation (pathology)ChemistryMaterials scienceComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

Pyrogenic carbon (PyC, charcoal) is produced during vegetation fires at a rate of ~ 116–385 Tg C yr-1 globally. It represents one of the most degradation-resistant organic carbon pools, but its long-term fate and the processes leading to its degradation remain subject of debate. A frequently highlighted potential loss mechanism of PyC is the consumption of PyC in subsequent fires, however, only three studies to date have tested this hypothesis with reported losses of 300C. Mass losses also showed a significant negative correlation (r=-0.38, p=0.05) with thermal recalcitrance (T50) determined using Differential Scanning Calorimetry (DSC) and Tmax with charcoal reflectance (Ro) determined after the fires (r=0.46, p=0.05). Losses in the high-intensity fire were significantly higher (p=0.05) than in the low-intensity fire, but the latter had a higher rate of conversion of fuel to PyC. Our results demonstrate that exposure to fire can indeed be a significant removal mechanism for PyC that remains exposed on the ground fires. The losses found, however, are likely to represent an extreme upper range as most PyC produced in a fire would not remain exposed on the ground surface by the time the next fire occurs. Our data also demonstrate, for real wildfire conditions, the (i) contrasting resistance of different PyC types to combustion and (ii) contrasting net PyC losses between different fire intensities. The DSC and reflectance results support the usefulness of these analyses in reflecting thermal degradation resistance and temperature exposure under actual

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,003
Tête enseignante GPT0,173
Écart entre enseignants0,170 · 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 source (Gemma direct ou Codex distillé), 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

Citations51
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Earth ScienceMême sujetFire effects on ecosystemsTravaux en français237 207