Mapping Delayed Canopy Loss and Durable Fire Refugia for the 2020 Wildfires in Washington State Using Multiple Sensors
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
Fire refugia are unburned and low severity patches within wildfires that contribute heterogeneity that is important to retaining biodiversity and regenerating forest following fire. With increasingly intense and frequent wildfires in the Pacific Northwest, fire refugia are important for re-establishing populations sensitive to fire and maintaining resilience to future disturbances. Mapping fire refugia and delayed canopy loss is useful for understanding patterns in their distribution. The increasing abundance of satellite data and advanced analysis platforms offer the potential to map fire refugia in high detail. This study uses the Bayesian Updating of Land Cover (BULC-D) algorithm to map fire refugia and delayed canopy loss three years after fire. The algorithm compiles Normalized Burn Ratio data from Sentinel-2 and Landsat 8 and 9 and uses Bayes’ Theorem to map land cover changes. Four wildfires that occurred across Washington State in 2020 were mapped. Additionally, to consider the longevity of ‘durable’ fire refugia, the fire perimeters were analyzed to map delayed canopy loss in the years 2021–2023. The results showed that large losses in fire refugia can occur in the 1–3 years after fire due to delayed effects, but with some patches enduring.
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 | 0,000 | 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) | 0,000 | 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