Fire as a Removal Mechanism of Pyrogenic Carbon From the Environment: Effects of Fire and Pyrogenic Carbon Characteristics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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 300C. 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle