Assessing Boreal Peat Fire Severity and Vulnerability of Peatlands to Early Season Wildland Fire
Notice bibliographique
Résumé
Globally peatlands store large amounts of carbon belowground with 80% distributed in boreal regions of the northern hemisphere. Climate warming and drying of the boreal region has been documented as affecting fire regimes, with increased fire frequency, severity and extent. While much research is dedicated to assessing changes in boreal uplands, few research efforts are focused on the vulnerability of boreal peatlands to wildfire. In this case study, an integration of field data collection, land cover mapping of peatland types and Landsat-based fire severity mapping was conducted for four spring wildfires where peatlands are abundant in northeastern Alberta Canada. The goal was to better understand if peatlands burn more or less preferentially than uplands in spring fires and how severely the organic soil layers (peat) of different peatland ecotypes burn. Spatial comparisons and statistical analysis showed that proportionally bogs are more likely to burn in spring Alberta wildfires than other ecosystem types, even upland conifer. When fire weather conditions for the duff layers are high, we found that fens become more vulnerable to burning. In addition, bogs experienced greater severity of burn to the peat layers than fens. Due to the small sample size of peat severity in uplands and limited geographic area of this case study, we were unable to assess if bogs are burning more severely than uplands. Further analysis and Landsat algorithm development for organic soil fire severity in peatlands and uplands is needed to more fully understand trends in belowground consumption for wildfires of all seasons and boreal ecotypes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».