The REBURN model: simulating system-level forest succession and wildfire dynamics
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».