Fuel moisture moderates wildfire resistance in rainforests of south-east Australia
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
Abstract In fire-prone forests of south-east Australia, rainforests have longer fire-return-intervals than the dominant and adjoining eucalypt forests, because rainforests occur in topographic positions which are typically too wet to burn. Thus, rainforests often act as natural barriers to fire spread. Although rare, severe drought can make rainforests available to burn, and this can promote very large and intense wildfires by increasing fuel availability across landscapes. Here, we explore how ten fuel moisture indices impact wildfire occurrence in rainforest patches of south-east Australia, when compared with wet and dry sclerophyll eucalypt forest types which are drier and have shorter fire-return-intervals. Vapour pressure deficit was the strongest and most ubiquitous moisture index predicting wildfire occurrence across all forest types, followed by soil moisture and live fuel moisture. Vapour pressure deficit thresholds facilitating a wildfire probability >0.5 also did not differ between forest types. However, the percentage of days exceeding vapour pressure deficit thresholds increased from rainforests to wet eucalypt forests and peaked in dry eucalypt forests. Collectively, our results suggest that the same fuel moisture thresholds promote wildfire in rainforests and fire-prone eucalypt forests; however, wildfire is less common in rainforests because they experience less time in a dry combustible state. Our results provide a framework to forecast wildfire probability across wet and dry forests at large spatial scales.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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