Fuel constraints, not fire weather conditions, limit fire behavior in reburned boreal forests
Notice bibliographique
Résumé
Fire frequency in boreal forests has increased via longer burning seasons, drier conditions, and higher temperatures. However, fires have historically self-regulated via fuel limitations, mediating the effects of changes in climate and fire weather. Early post-fire boreal forests (10–15 years postfire) are often dominated by mixed conifer-broadleaf or broadleaf regeneration, considered less flammable due to the higher foliar moisture of broadleaf trees and shrubs compared to their more intact conifer counterparts. However, the strength of self-regulation in the context of changing fire weather and climate combined with the emergence of novel broadleaf forest communities and structures remains unclear. We quantified fuel composition, abundance, and structure in burned and reburned forests in Interior Alaska and used a physics-based fire behavior model (the Wildland-Urban Interface Fire Dynamics Simulator) to simulate how these unique patterns of fuel influence potential rates and sustainability of fire spread. In once-burned forests dominated by mixed conifer-broadleaf regeneration, extreme fire weather conditions allowed for sustained fire spread, suggesting that intense fire conditions can enable reburning, even 10 to 15 years following a previous high-severity fire. However, fire spread was not sustained in thrice-burned regenerating broadleaf forests, where regeneration was often dense but more clumped, and thus less connected, separated by patches of bare soil. Crown fire traveled an average of 50 meters into thrice-burned forests before dying out, even under extreme fire weather conditions. This work suggests that fire spread may be possible in once-burned regenerating forests under extreme fire weather conditions but may be more limited in less connected and less fuel abundant thrice-burned regenerating forests, at least within the 10–15-year window post-fire.
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 | 0,000 | 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 | 0,001 |
| 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 ».