Partitioning carbon losses from fire combustion in a montane Valley, Alberta Canada
Notice bibliographique
Résumé
Direct carbon (C) emissions from wildland fires have been difficult to quantify, especially in montane environments where sites are difficult to access. Here we examined pre-fire C partitioning and losses in a southern Canadian montane valley ecosystem, in Waterton Lakes National Park, Alberta Canada. The objectives of this study were to: (a) quantify the C loss due to combustion at a moist riparian site compared with a dry undulating upland site and (b) compare C loss observations to an active multi-spectral lidar remote sensing index. C losses from wildfire were consistently greater at the wet riparian site compared with the dry valley site. Average soil C losses were 92.92 Mg C ha −1 (st. dev. ± 48.60 Mg C ha −1 ) and 58.05 Mg C ha −1 (st. dev. ± 37.19 Mg C ha −1 ). Average tree C losses were 114.0 Mg C ha −1 (std.dev. ± 9.9 Mg C ha −1 ) and 86.9 Mg C ha −1 (std.dev. ± 13.5 Mg C ha −1 ) respectively. C losses from trees were greater than soils, where trees lost 55% (moist riparian ecosystem) and about 60% (drier valley site) of C during combustion. Using post-fire multi-spectral airborne lidar data, we found that increased proportion of charred soils were significantly related to enhanced reflectivity in SWIR, resulted in more negative active normalised burn ratio (aNBR) results, indicating enhanced burn severity. Increased proportional cover of regenerating vegetation resulted in less negative aNBR both at the drier site, though no significant relationships between aNBR and charred vs. vegetated results were observed at the moist riparian site. No significant relationship was observed between depth of burn/soil C loss and aNBR derived from lidar data, indicating potential limitations when using burn indices for below canopy burn severity. The use of multi-spectral lidar may improve understanding of below canopy fire fuels and C losses in optical imagery, which often occludes these important components of fire ecology. The results of this research improve understanding of C losses associated with wildland fire in montane ecosystems that have undergone fire suppression and management by Euro-American colonizers for over 100 years.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».