Impact of wildfire on permafrost landscapes: A review of recent advances and future prospects
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
Abstract Changes in the frequency and extent of wildfires are expected to lead to substantial and irreversible alterations to permafrost landscapes under a warming climate. Here we review recent publications (2010–2019) that advance our understanding of the effects of wildfire on surface and ground temperatures, on active layer thickness and, where permafrost is ice‐rich, on ground subsidence and the development of thermokarst features. These thermal and geomorphic changes are initiated immediately following wildfire and alter the hydrology and biogeochemistry of permafrost landscapes, including the release of previously frozen carbon. In many locations, permafrost has been resilient, with key characteristics such as active layer thickness returning to pre‐fire conditions after several decades. However, permafrost near its southern limit is losing this resiliency as a result of ongoing climate warming and increasingly common vegetation state changes. Shifts in fire return intervals, severity and extent are expected to alter the trajectories of wildfire impacts on permafrost, and to enlarge spatial impacts to more regularly include the burning of tundra areas. Modeling indicates some lowland boreal forest and tundra environments will remain resilient while uplands and areas with thin organic layers and dry soils will experience rapid and irreversible permafrost degradation. More work is needed to relate modeling to empirical studies, particularly incorporating dynamic variables such as soil moisture, snow and thermokarst development, and to identify post‐fire permafrost responses for different landscape types and regions. Future progress requires further collaboration among geocryologists, ecologists, hydrologists, biogeochemists, modelers and remote sensing specialists.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,004 | 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