Fuel loads and peat smouldering carbon loss increase following peatland drainage
Notice bibliographique
Résumé
Northern peatlands store ~500 Pg C and are important ecosystems for global climate regulation. Wildfire is the largest natural disturbance to peatlands within the Boreal Plains of western Canada. Historically, low-severity fires in this region release less carbon than accumulates over a fire return interval (~120 years), allowing peatlands to maintain their carbon sink function. While peat combustion (measured as the depth of burn; DOB) is typically low, ranging from 5-10 cm (representing carbon emissions of ~1 kg C m-2), during prolonged drought, or in drained peatlands, peat burn severity can reach depths >1 m (~100 kg C m-2), threatening the carbon sink function of boreal peatlands. We aimed to assess how peatland drainage altered the spatiotemporal variability in forest cover, aboveground biomass, and tree productivity and how these changes related to the spatial variability in peat burn severity from a fire 24 years post-drainage. Using remote sensing techniques, forest cover and biomass were estimated through time and with distance from the nearest ditch. Field surveys and a LiDAR-based analysis were conducted to measure the spatial variability in peat burn severity. Peatland drainage increased forest cover and aboveground biomass. Drained peatland margins had the greatest peat burn severity with a mean depth of burn of 26.9 ± 12.6 cm (34.0 ± 10.1 kg C m-2) and some locations experienced DOB >90 cm (>87 kg C m-2), where peat burn severity increased with proximity to drainage ditches and greater aboveground biomass. Peatland drainage increases both aboveground and peat fuel loads through the triggering of positive peatland drying feedbacks which increase peatland vulnerability to deep smouldering, with peatland margins experiencing the greatest peat burn severity. Drained peatlands represent a severe fire risk that can be challenging for communities and fire management agencies. Peatland restoration should be integrated into fuel management strategies to reduce the fire risk that drained peatlands pose.
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 | 0,000 | 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 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 ».