Estimated impacts of forest restoration scenarios on smoke exposures among outdoor agricultural workers in California
Notice bibliographique
Résumé
Abstract As wildfires continue to worsen across western United States, forest managers are increasingly employing prescribed burns as a way to reduce excess fuels and future wildfire risk. While the ecological benefits of these fuel treatments are clear, little is known about the smoke exposure tradeoffs of using prescribed burns to mitigate wildfires, particularly among at-risk populations. Outdoor agricultural workers are a population at increased risk of smoke exposure because of their time spent outside and the physical demands of their work. Here, we assess the smoke exposure impacts among outdoor agricultural workers resulting from the implementation of six forest management scenarios proposed for a landscape in the Central Sierra, California. We leverage emissions estimates from LANDIS-II to model daily PM2.5 concentrations with the Hybrid Single Particle Lagrangian Integrated Trajectory Model (HYSPLIT) and link those to agricultural employment data from the Bureau of Labor Statistics. We find a u-shaped result, in that moderate amounts of prescribed burning result in the greatest reduction in total smoke exposure among outdoor agricultural workers, particularly during months of peak agricultural activity due to wildfire-specific smoke reductions. The reduction in total smoke exposure, relative to scenarios with the least amount of management, decreases as more prescribed burning is applied to the landscape due to the contributions of the fuel treatments themselves to overall smoke burden. The results of this analysis may contribute to preparedness efforts aimed at reducing smoke exposures among outdoor agricultural workers, while also informing forest management planning for this specific landscape.
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) | 0,000 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».