A Decade of Post‐Fire Succession Amplifies the Effect of Wildfire on the Surface Radiation Balance and Permafrost Thaw in Subarctic Peatlands
Notice bibliographique
Résumé
ABSTRACT Increasing wildfire activity is driving permafrost thaw in subarctic peatlands across the southern Northwest Territories, but the key mechanisms and progression of thaw following fire remain poorly understood. In response, 10 years (2015–2024) of near‐continuous surface (four‐component radiation, wind, and snow) and subsurface measurements (temperature, moisture, and frost tables) were examined from a burned and unburned permafrost peatland in the southern Taiga Plains ecoregion. A low‐severity wildfire in 2014 burned a portion of a peat plateau with stunted black spruce, which led to full tree mortality but left most dead trees standing. Results indicated that wildfire increased the rate of permafrost thaw (4 cm year −1 higher on average), smoothed the permafrost table topography, and led to 100% talik extent (perennially unfrozen layer above permafrost) within 8 years following the fire. Post‐fire succession during the first decade, including the gradual toppling of dead burnt trees, ultimately amplified the energy available for ground heating and permafrost thaw. In contrast, the immediate reduction in albedo and snowpack alterations following fire had either only short‐term effects or even cooling effects. This study demonstrated that summertime processes outweighed wintertime processes in driving permafrost thaw, suggesting the effects of wildfire may intensify in the future as winters shorten under current climate warming projections. Considering millions of hectares in the Northwest Territories have recently burned, findings from this study directly support projections of permafrost thaw and resulting land cover changes driven by regional wildfire disturbance coupled with ongoing climate warming.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».