MétaCan
Menu
Retour à la cohorte
Enregistrement W4409990570 · doi:10.1186/s42408-025-00368-1

Evidence for strong bottom-up controls on fire severity during extreme events

2025· article· en· W4409990570 sur OpenAlexaff
Nicholas A. Povak, Susan J. Prichard, Paul F. Hessburg, Vivian Griffey, R. Brion Salter, Tucker J. Furniss, Gina R. Cova, Robert W. Gray

Notice bibliographique

RevueFire Ecology · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNative Mental Health Association of Canada
Organismes subventionnairesJoint Fire Science Program
Mots-clésEnvironmental scienceEcologyGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Record fire years in recent decades have challenged post-fire forest recovery in the western United States and beyond. To improve management responses, it is critical that we understand the conditions under which management can mitigate severe wildfire impacts, and when it cannot. Here, we evaluated the influence of top-down and bottom-up fire severity forcings on 17 wildfires occurring during two consecutive record-setting years in the eastern Cascade Mountains of Washington State. Despite much of the area having been burned after an extended period of fire exclusion, nearly one-third of the forested area burned at low severity. Results Using random forest modeling and Shapley local importance measures, we found that weather and fuels were both dominant drivers of fire severity, and past fuel treatments were successful at reducing severity—even during extreme fire progression days. First-entry fires were more typically driven by top-down climate and weather variables, while for reburns (i.e., overlapping fire footprints within the period of record), severity was largely mitigated by reduced fuels and a positive influence of topography (e.g., burning downslope). Likewise, reburns overall exhibited lower fire severity than first entry fires, suggesting strong negative feedbacks associated with past fire footprints. The normalized difference moisture index (NDMI)—an indicator of live fuel loading and moisture levels—was a leading predictor of fire severity for both first-entry fires and reburns. NDMI values < 0 (i.e., low biomass) were associated with reduced fire severity, while values > 0.25 (i.e., high biomass) were associated with increased severity. Forest management was effective across a variety of conditions, especially under low to moderate wind speeds (< 17 m·s −1 ), and where canopy base heights were ≥ 1.3 m. Conclusions Our findings support previous work demonstrating strong top-down weather and climate controls on fire severity along with bottom-up spatial controls of fuels and topography on patterns of fire severity. Local importance measures refined our understanding of the conditions under which bottom-up factors successfully mitigated fire severity. Our results indicate a clear role for fuels and fire management—including wildland fire use—to restore characteristic composition and structure to the landscape and to moderate fire severity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,273
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFire EcologyMême sujetFire effects on ecosystemsTravaux en français237 207