Forest Type and Wildfire in the Alberta Boreal Mixedwood: What Do Fires Burn?
Notice bibliographique
Résumé
Two determinants of fire behavior are fire weather and spatial variation in fuels. Their relative importance in boreal forests has been unclear. I evaluated the effect of fuels on a ∼74 000-km2 landscape in the boreal mixedwood region of western Canada. My data were the compositions, or the proportional areas of different forest types, of 48 mapped lightning fires and of their immediate surroundings. I measured areal compositions from forest inventory maps, using a five-way classification representing deciduous forest, three types of coniferous forest, and wetlands. The fires burned between 1980 and 1993. Fire sizes ranged from 70 ha to 70 000 ha. By multivariate linear regression, fire surroundings explain 57% of the variation in forest types within mapped fires. Fire compositions are not representative of the study area as a whole, or of a fire's surroundings, and are unrelated to fire size and location within the study area. Using the model, I predicted the areas of the five types burned within all other lightning fires >200 ha in the study area during 1961–1996 and estimated type-specific mean annual burn rates. These rates vary by an order of magnitude. Deciduous stands burn at the lowest rate, and black spruce stands burn at the highest rate. Fires exhibit significant preferences between forest types at both local and regional scales. Preference orderings are similar at both scales and are generally consistent with the rank order of estimated burn rates. Preferential burning may result from between-class differences in vertical canopy structure and foliage characteristics. The statistical model and the postulated variations in fire behavior between classes indicate that landscape-scale fuels management may be feasible in this system. The rank ordering of burning frequencies and preferences is the inverse of the planned disturbance rates under forest management.
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 | 0,001 |
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 ».