Fire severity and its local extent are key to assessing impacts of Australian mega‐fires on koala (<i>Phascolarctos cinereus</i>) density
Notice bibliographique
Résumé
Abstract Aim Mega‐fires are predicted to increase with climate change. Australia experienced the largest ever documented forest fires in 2019–2020, but the response of most taxa remains poorly known. We used acoustic arrays to estimate impact of the mega‐fires on the density of an iconic marsupial. Location North‐east New South Wales, Australia. Time period Pre‐fire density estimated in 2018–2019 and post‐fire density in 2019–2020. Major taxa studied Koala, Phascolarctos cinereus. Methods We estimated male density before and after fires using large acoustic arrays and spatial count models. Acoustic arrays sampled three timber production forests with a gradient in fire severity and three unburnt controls in national parks. Results Koalas were temporarily extirpated where high fire severity dominated the landscape, but some localized recovery was evident after 1 year. Where moderate severity fire dominated, density was reduced by about 50% within 1 year, but koalas were widespread throughout the burnt area. In our third area dominated by low severity fire, no impact was detected as pre‐ and post‐fire uncertainty intervals overlapped. Control sites surveyed at similar times showed little change in density between years. There was no relationship between pyrodiversity and koala density. Within arrays broadly dominated by moderate or high severity fire, density 1 year after fire was lower in burnt patches of both low and high severity fire. Regionally, 9.8% of landscape samples (2 km × 2 km) in koala habitat were dominated by high fire severity, while a further 6.1% were dominated by moderate fire severity, suggesting c. 13% decline in koala density. Main conclusions A substantial impact of high severity fire was confirmed. Severe impacts were localized across the landscape, recovery had begun within a year and resilience was evident where low severity fire dominated. However, more frequent fires in the future will compound koala losses.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».