MétaCan
Menu
Retour à la cohorte
Enregistrement W4410549663 · doi:10.1016/j.foreco.2025.122796

Assessing wildfire potential in a coastal forest watershed, British Columbia, Canada

2025· article· en· W4410549663 sur OpenAlexafffundabout
Daniel D. B. Perrakis, Kendrick J. Brown, Kimberly Morrison, Daniel R. Horrelt, Stephen W. Taylor

Notice bibliographique

RevueForest Ecology and Management · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversity of VictoriaNatural Resources CanadaOkanagan University CollegeCanadian Forest Service
Organismes subventionnairesCapital Regional DistrictNatural Sciences and Engineering Research Council of CanadaUniversity of Victoria
Mots-clésWatershedEnvironmental scienceGeographyEcologyAgroforestryBiology

Résumé

récupéré en direct d'OpenAlex

Wildfire disturbance in coastal western Canada has varied with changes in climate and human activity. Although infrequent during the past century, large fires in coastal forests occurred in the past, and current and future fire hazard are uncertain. We used multiple lines of evidence to characterize the contemporary regime of a forested water supply area around greater Victoria (GVWSA), British Columbia (BC), Canada, to provide a framework for assessing fire hazard more broadly in Pacific coast watersheds. Threshold conditions for locally significant fires (LSF; >10 ha) were established using recent fire and weather records. These data were used to 1) define baseline fire danger climatology for the GVWSA; 2) model fire behaviour and annual or cumulative burn probability (BP) across the region; 3) compare BP with late holocene fire return intervals derived from paleo-charcoal samples; and 4) evaluate modelling using recent fire records and case studies. The fire season was 14 days longer in the drier eastern portion of the watershed compared with the western portion. The fire season in recent years (2010–2022) was more pronounced, with higher Fire Weather Index (FWI) quantiles compared with older (1996–2009) records. LSF occurred under Fire Weather Index (FWI) ≥ 32 conditions (∼93rd percentile), although rare landscape-scale fires (> 1000 ha) were associated with more extreme events (approx. FWI ≥ ∼50, ca. 99.6th percentile), particularly summer outflow conditions. Models suggest that stands of mature Douglas-fir, the dominant vegetation type, require high sustained winds during high to extreme danger conditions for crown fire occurrence. The overall BP was lower (by 50–70 %) than values from interior BC, while the distribution of BP across the GVWSA reflected the influences of lightning maxima on exposed ridges and potential human ignitions outside the perimeter. Simulated fires were mostly small to moderate in size (median= 52 ha; 90 % < 308 ha), with the largest reaching ∼2800 ha within a 7 km fireshed. Charcoal-based paleofire reconstruction suggest the persistence of fire occurrence patterns. Data from four lakes around the watershed generally supported the landscape BP variability. Late-Holocene fire frequency was consistently 50–100 % higher than surrounding modelled present-day BP, reflecting the persistence of local climatic and topographic influences despite changes to anthropogenic influences. Wildfire potential in the forests of SVI is lower than in continental regions but poses a growing risk to water resources and other values. Environmental variability and sparse fire records suggest a multi-proxy approach can be effective for informing managers of fire hazard in similar areas of the Pacific coast.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,032
Score d'incertitude au seuil0,229

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0050,001
Communication savante0,0020,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,002
Tête enseignante GPT0,180
Écart entre enseignants0,178 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2025
Routes d'admission3
Résumé présentnon

Explorer davantage

Même revueForest Ecology and ManagementMême sujetFire effects on ecosystemsTravaux en français237 207