Understanding Fire Skips in Juvenile Pine Plantations: Exploring the Relationship Between Fuel Moisture Content and Burn Severity
Notice bibliographique
Résumé
ABSTRACT Wildfires are increasing in size and severity due to climate change, and pose a serious threat to humans, infrastructure, and industry. In western North America, wildfires often leave unburned blocks of forest known as fire skips, fire islands, or fire refugia. Research elsewhere has suggested that young forests burn more severely, while mature forest is often found unburned as wildfire refugia. However, preliminary observations in central British Columbia suggest that some planted juvenile stands burn less severely than the surrounding mature forests. The existence of these fire skips could be due to differences in fuel moisture content (FMC), stand structure characteristics that influence fire spread, or both. To identify the role of FMC in fire skips, this study develops relationships between 6116 individual ground‐based FMC measurements and remote sensing data collected in 2021 and 2022. Remotely sensed estimates of pre‐fire FMC were then used to analyse burn severities in different stand types encountered in three major wildfires in central British Columbia in 2017 and 2018. Juvenile plantations, mostly dominated by lodgepole pine ( Pinus contorta var. latifolia ), had lower burn severity than mature and recent cutblocks (open sites) in three case study areas. No significant relationships were found between pre‐fire satellite‐estimated FMC and burn severity in mature forest and juvenile plantations. However, at open stands, moderate correlations between estimated duff FMC and difference normalized burn ratio (dNBR) were found in two case study areas. This work provides tools for assessing pre‐fire FMC at large spatial scales and suggests that the limited fire severity in juvenile stands may be a function of stand characteristics other than pre‐fire FMC.
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 | 0,000 |
| 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 ».