Drought, topography, and forest management shape wildfire occurrence and severity in montane Australian landscapes
Notice bibliographique
Résumé
In recent decades, changes in climate and land use have reshaped forest landscapes across the globe, altering the timing and severity of forest fires. This study investigated the influence of climate, landform, forest disturbances, and management on wildfire occurrence and severity in the montane forests of south-eastern Australia. Modelling of spatial data from 1981 to 2020 showed that fire occurrence was highly sensitive to the top-down influence of antecedent drought, whereas fire severity was primarily influenced by bottom-up factors such as topography, past fires, and historical timber harvesting. Below-average rainfall and high vapour pressure deficit, incorporated into a forest drought stress index, were postiviely associated with wildfire occurrence. This relationship between climate and wildfire occurrence varied across ecosystems and was generally stronger in lower elevation montane forests compared to higher elevation areas. Time since the last fire was also influential: forests that had recently burned (e.g., <5 years) or had no history of fire were less likely to burn or experience high severity wildfire. Clearfell harvesting reduced the probability of fire occurrence and high severity fire for several decades post-harvest relative to forests with no recorded harvesting. Topography modulated landscape flammability: fire occurrence and severity increased with steeper slopes and were reduced in moist topographic locations. These findings highlight that climate, landform, and land use are important drivers of fire occurrence and severity in montane forests. Strategic use of prescribed burning, protection of topographic refugia, and assisted forest regeneration could help maintain the structure and composition of montane forests in a more flammable future.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».