Tundra fire increases the likelihood of methane hotspot formation in the Yukon–Kuskokwim Delta, Alaska, USA
Notice bibliographique
Résumé
Abstract Rapid warming in Arctic tundra may lead to drier soils in summer and greater lightning ignition rates, likely culminating in enhanced wildfire risk. Increased wildfire frequency and intensity leads to greater conversion of permafrost carbon to greenhouse gas emissions. Here, we quantify the effect of recent tundra fires on the creation of methane (CH 4 ) emission hotspots, a fingerprint of the permafrost carbon feedback. We utilized high-resolution (∼25 m 2 pixels) and broad coverage (1780 km 2 ) airborne imaging spectroscopy and maps of historical wildfire-burned areas to determine whether CH 4 hotspots were more likely in areas burned within the last 50 years in the Yukon–Kuskokwim Delta, Alaska, USA. Our observations provide a unique observational constraint on CH 4 dynamics, allowing us to map CH 4 hotspots in relation to individual burn events, burn scar perimeters, and proximity to water. We find that CH 4 hotspots are roughly 29% more likely on average in tundra that burned within the last 50 years compared to unburned areas and that this effect is nearly tripled along burn scar perimeters that are delineated by surface water features. Our results indicate that the changes following tundra fire favor the complex environmental conditions needed to generate CH 4 emission hotspots. We conclude that enhanced CH 4 emissions following tundra fire represent a positive feedback that will accelerate climate warming, tundra fire occurrence, and future permafrost carbon loss to the atmosphere.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».