Increasing fire and logging disturbances in Siberian boreal forests: a case study of the Angara region
Notice bibliographique
Résumé
Abstract Forest disturbances are a critical environmental issue globally and within the boreal biome, yet detailed attribution and trends in disturbances are lacking for many Siberian regions. The Angara region located in the southern taiga of Central Siberia has experienced significant disturbances during the past several decades and is a hotspot of change in Eurasia. Here we estimated fire and logging disturbances using MODIS and Landsat data for the period 2002–2020 across the Angara region and analyzed the resulting trends. Average annual burned and logged area was about 220 and 31 thousand ha or 2 and 0.3% of the study area, respectively. In total, about 4.1 million ha (38% of the region) and 0.6 million ha (6% of the region) were disturbed by fires and logging, respectively. Spatial analysis showed that almost 50% of fires were ignited within 2 km of anthropogenic features such as settlements, roads and logged areas. Almost 5% of the Angara region was burned two or more times during the 19 years of observations. Improved and strictly-enforced conservation and management policies are required to halt continued forest degradation in the Angara region and similarly-affected boreal forests in Siberia.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».