Predicting immediate and delayed fire-induced mortality of Pinus monticola and Pseudotsuga menziesii saplings using a pyro-ecophysiology fire severity approach
Notice bibliographique
Résumé
Background Although fires can cause tree mortality or reduce post-fire growth in trees of all ages, and models exist that predict fire-induced mortality in mature trees, the development of predictive models of how fires impact younger trees has received less attention. Aims To assess whether inclusion of fire behaviour metrics alongside pre- and post-fire sapling morphological traits improve the prediction of fire-induced tree mortality as compared to existing models. Methods In this study, we subjected Pseudotsuga menziesii (Mirb.) Franco var. glauca (Beissn.) and Pinus monticola var. minima Lemmon saplings to increasing levels of fire intensity and evaluated models to predict immediate and delayed post-fire mortality. Key results For Pinus monticola, the optimal model relied on the post-fire crown volume scorched, while for Pseudotsuga menziesii the optimal model used flame height and fire radiative energy. We show that while Pinus monticola saplings exhibit immediate fire-induced mortality, Pseudotsuga menziesii saplings are prone to delayed fire-induced mortality. Implications Even in younger trees, crown volume scorched and related metrics remain consistent predictors of fire-induced tree mortality. Future studies should track mortality over extended periods to ensure that developed models better represent delayed fire-induced tree mortality.
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) | 0,001 | 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 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 ».