Landscape controls on fuel moisture variability in fire-prone heathland and peatland landscapes
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.
Notice bibliographique
Résumé
Abstract Background Cross-landscape fuel moisture content is highly variable but not considered in existing fire danger assessments. Capturing fuel moisture complexity and its associated controls is critical for understanding wildfire behavior and danger in emerging fire-prone environments that are influenced by local heterogeneity. This is particularly true for temperate heathland and peatland landscapes that exhibit spatial differences in the vulnerability of their globally important carbon stores to wildfire. Here we quantified the range of variability in the live and dead fuel moisture of Calluna vulgaris across a temperate fire-prone landscape through an intensive fuel moisture sampling campaign conducted in the North Yorkshire Moors, UK. We also evaluated the landscape (soil texture, canopy age, aspect, and slope) and micrometeorological (temperature, relative humidity, vapor pressure deficit, and windspeed) drivers of landscape fuel moisture variability for temperate heathlands and peatlands for the first time. Results We observed high cross-landscape fuel moisture variation, which created a spatial discontinuity in the availability of live fuels for wildfire spread (fuel moisture < 65%) and vulnerability of the organic layer to smoldering combustion (fuel moisture < 250%). This heterogeneity was most important in spring, which is also the peak wildfire season in these temperate ecosystems. Landscape and micrometeorological factors explained up to 72% of spatial fuel moisture variation and were season- and fuel-layer-dependent. Landscape factors predominantly controlled spatial fuel moisture content beyond modifying local micrometeorology. Accounting for direct landscape–fuel moisture relationships could improve fuel moisture estimates, as existing estimates derived solely from micrometeorological observations will exclude the underlying influence of landscape characteristics. We hypothesize that differences in soil texture, canopy age, and aspect play important roles across the fuel layers examined, with the main differences in processes arising between live, dead, and surface/ground fuels. We also highlight the critical role of fuel phenology in assessing landscape fuel moisture variations in temperate environments. Conclusions Understanding the mechanisms driving fuel moisture variability opens opportunities to develop locally robust fuel models for input into wildfire danger rating systems, adding versatility to wildfire danger assessments as a management tool.
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 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 | 0,001 | 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 | 0,000 |
| 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 découle