Dead forests burning: the influence of beetle outbreaks on fire severity and legacy structure in sub‐boreal forests
Notice bibliographique
Résumé
Abstract Recent regional mountain pine beetle ( MPB ) outbreaks have generated unprecedented tree mortality across the fire‐prone landscapes of western North American forests and could potentially modify fire severity and postfire ecological effects. In 2012, 2013, and 2014, three fires burned through high mortality, gray‐phase lodgepole pine‐dominated forests in the plateau regions of central interior British Columbia, Canada, providing an opportunity to test for interactions between MPB outbreaks and wildfires. We inventoried 63 plots that spanned gradients of outbreak severity, fire severity, and burning conditions in a wilderness setting. Our objective was to evaluate the influence of outbreak severity on fire severity by assessing typical first‐order fire effects as well as legacy structure related to the consumption of woody biomass on snags/trees. We found no evidence of a relationship between outbreak severity and fire severity for six of seven first‐order fire effects, with the exception of deep charring. We found evidence that legacy structure in the form of consumed branch structure and deep char development had greater odds of occurrence on MPB ‐killed snags compared to trees killed during wildfire. Our results indicate two key findings. First, fire severity as it relates to most first‐order fire effects measures is not influenced by outbreak severity, instead it is more strongly influenced by the interaction of fuels, weather, and topography during fire events. Second, our results highlight how the interaction between outbreak severity and fire severity alters postfire structural legacies and their functional attributes, which could have important ecosystem implications.
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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».