The reconstruction of burned area and fire severity using charcoal from boreal lake sediments
Notice bibliographique
Résumé
Although lacustrine sedimentary charcoal has long been used to infer paleofires, their quantitative reconstructions require improvements of the calibration of their links with fire regimes (i.e. occurrence, area, and severity) and the taphonomic processes that affect charcoal particles between the production and the deposition in lake sediments. Charcoal particles >150 µm were monitored yearly from 2011 to 2016 using traps submerged in seven head lakes situated in flat-to-rolling boreal forest landscapes in eastern Canada. The burned area was measured, and the above-ground fire severity was assessed using the differentiated normalized burn ratio (dNBR) index, derived from LANDSAT images, and measurements taken within zones radiating 3, 15, and 30 km from the lakes. In order to evaluate potential lag effects in the charcoal record, fire metrics were assessed for the year of recorded charcoal recording (lag 0) and up to 5 years before charcoal deposition (lag 5). A total of 92 variables were generated and sorted using a Random Forest-based methodology. The most explanatory variables for annual charcoal particle presence, expressed as the median surface area, were selected. Results show that, temporally, sedimentary charcoal accurately recorded fire events without a temporal lag; spatially, fires were recorded up to 30 km from the lakes. Selected variables highlighted the importance of burned area and fire severity in explaining lacustrine charcoal. The charcoal influx was thus driven by fire area and severity during the production process. The dispersion process of particles resulted mostly of wind transportation within the regional (<30 km) source area. Overall, charcoal median surface area represents a reliable proxy for reconstructing past burned areas and fire severities.
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 ».