Shallow peat is most vulnerable to high peat burn severity during wildfire
Notice bibliographique
Résumé
Abstract Peatlands typically act as carbon sinks, however, increasing wildfire severity and annual area burned may challenge this carbon sink status. Whilst most peat resistance to wildfire and drought research is based on deep peatlands that rarely lose their water table below the peat profile, shallow peatlands and peat deposits may be most vulnerable to high peat burn severity and extensive carbon loss. To examine the role of pre-fire peat depth on peat burn severity, we measured the depth of burn (DOB) in peat of varying depths (0.1–1.6 m) within a rock barrens landscape. We found that DOB (0–0.4 m) decreased with increasing pre-fire peat depth, and that there was a strong correlation between the percent of the profile that burned and pre-fire peat depth. Breakpoint analysis indicates a threshold depth of 0.66 m where deeper peat deposits experienced little impact of wildfire, whereas shallower peat typically experienced high peat burn severity (median percent burned = 2.2 and 65.1, respectively). This threshold also corresponded to the loss of the water table in some nearby unburned peatlands, where water table drawdown rates were greater in shallower peat. We suggest that peat depth may control peat burn severity through feedbacks that regulate water table drawdown. As such, we argue that the identification of a critical peat depth threshold could have important implications for wildfire management and peatland restoration aiming to protect vulnerable carbon stores.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».