MétaCan
Menu
Retour à la cohorte
Enregistrement W4382684012 · doi:10.1186/s42408-023-00190-7

The REBURN model: simulating system-level forest succession and wildfire dynamics

2023· article· en· W4382684012 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFire Ecology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNative Mental Health Association of Canada
Organismes subventionnairesJoint Fire Science Program
Mots-clésEcological successionVegetation (pathology)EcologyEnvironmental scienceForest dynamicsClimate changeFire regimeTemperate rainforestFire ecologyEcotoneGeographyPhysical geographyHabitatEcosystemBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Historically, reburn dynamics from cultural and lightning ignitions were central to the ecology of fire in the western United States (wUS), whereby past fire effects limited future fire growth and severity. Over millennia, reburns created heterogenous patchworks of vegetation and fuels that provided avenues and impediments to the flow of future fires, and feedbacks to future fire event sizes and their severity patterns. These dynamics have been significantly altered after more than a century of settler colonization, fire exclusion, and past forest management, now compounded by rapid climatic warming. Under climate change, the area impacted by large and severe wildfires will likely increase — with further implications for self-regulating properties of affected systems. An in-depth understanding of the ecology of reburns and their influence on system-level dynamics provides a baseline for understanding current and future landscape fire-vegetation interactions. Results Here, we present a detailed characterization of REBURN — a geospatial modeling framework designed to simulate reburn dynamics over large areas and long time frames. We interpret fire-vegetation dynamics for a large testbed landscape in eastern Washington State, USA. The landscape is comprised of common temperate forest and nonforest vegetation types distributed along broad topo-edaphic gradients. Each pixel in a vegetation type is represented by a pathway group (PWG), which assigns a specific state-transition model (STM) based on that pixel’s biophysical setting. STMs represent daily simulated and annually summarized vegetation and fuel succession, and wildfire effects on forest and nonforest succession. Wildfire dynamics are driven by annual ignitions, fire weather and topographic conditions, and annual vegetation and fuel successional states of burned and unburned pixels. Conclusions Our simulation study is the first to evaluate how fire exclusion and forest management altered the active fire regime of this landscape, its surface and canopy fuel patterns, forest and nonforest structural conditions, and the dynamics of forest reburning. The REBURN framework is now being used in related studies to evaluate future climate change scenarios and compare the efficacy of fire and fuel management strategies that either enable the return of active fire regimes or depend on fire suppression and wildfire effects on forest burning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,685
Score d'incertitude au seuil0,616

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,229
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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