Predicting the Unpredictable: Predicting Landcover in Boreal Alaska and the Yukon Including Succession and Wildfire Potential
Notice bibliographique
Résumé
The boreal forest of northwestern North America covers an extensive area, contains vast amounts of carbon in its vegetation and soil, and is characterized by extensive wildfires. Catastrophic crown fires in these forests are fueled predominantly by only two evergreen needle-leaf tree species, black spruce (Picea mariana (Mill.) B.S.P.) and lodgepole pine (Pinus contorta Dougl. ex Loud. var. latifolia Engelm.). Identifying where these flammable species grow through time in the landscape is critical for understanding wildfire risk, damages, and human exposure. Because medium resolution landcover data that include species detail are lacking, we developed a compound modeling approach that enabled us to refine the available evergreen forest category into highly flammable species and less flammable species. We then expanded our refined landcover at decadal time steps from 1984 to 2014. With the aid of an existing burn model, FlamMap, and simple succession rules, we were able to predict future landcover at decadal steps until 2054. Our resulting land covers provide important information to communities in our study area on current and future wildfire risk and vegetation changes and could be developed in a similar fashion for other areas.
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 | 0,002 | 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) | 0,000 | 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 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 ».