Fuel layer specific pollutant emission factors for fire prone forest ecosystems of the western U.S. and Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Wildland fires are a major source of gases and aerosols, and the production, dispersion, and transformation of fire emissions have significant ambient air quality impacts and climate interactions. The increase in wildfire area burned and severity across the United States and Canada in recent decades has led to increased interest in expanding the use of prescribed fires as a forest management tool. While the primary goal of prescribed fire use is to limit the loss of life and property and ecosystem damage by constraining the growth and severity of future wildfires, a potential additional benefit of prescribed fire - reduction in the adverse impacts of smoke production and greenhouse gas (GHG) emissions - has recently gained the interest of land management agencies and policy makers in the United States and other nations. The evaluation of prescribed fire/wildfire scenarios and the potential mitigation of adverse impacts on air quality and GHGs requires fuel layer specific pollutant emission factors (EFs) for fire prone forest ecosystems. Our study addresses this need with laboratory experiments measuring EFs for carbon dioxide (CO2), carbon monoxide (CO), methane (CH4), ethyne (C2H2), formaldehyde (H2CO), formic acid (CH2O2), hydrogen cyanide (HCN), fine particulate matter (PM2.5), nitric oxide (NO), nitrogen dioxide (NO2), sulfur dioxide (SO2), and total reduced sulfur (TRS) for the burning of individual fuel components from three forest ecosystems which account for a large share of wildfire burned area and emissions in the western United States and Canada - Douglas fir, ponderosa pine, and black spruce/jack pine.
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.
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 | 0,001 |
| 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 découle