Fire severity and the legacy of mountain pine beetle outbreak: high-severity fire peaks with mixed live and dead vegetation
Notice bibliographique
Résumé
Bark beetle outbreaks and wildfires are two of the most prevalent disturbances that influence tree mortality, regeneration, and successional trajectories in western North American forests. Subboreal forests have experienced broad overlaps in these disturbances, and recent wildfires have burned through landscapes with substantial tree mortality from prior outbreaks. This study investigated how fuel conditions associated with mountain pine beetle outbreaks influence the probability of high burn severity (i.e. stand-replacing fire) across a range of fire weather conditions in subboreal forests of central interior British Columbia, Canada. We focused on three large fires that occurred in 2012, 2013, and 2014. We characterized outbreak severity, outbreak-influenced prefire vegetation, and subsequent burn severity using Landsat spectral vegetation indices, high-resolution imagery, and field observations. Substantial portions of the prefire landscape contained mixtures of live and dead vegetation created by variable beetle damage and vegetation response—spatial patterns that are related to, but distinct from, peak outbreak severity. We evaluated drivers—fuels, weather, and topography—of high-severity fire under 'extreme,' 'moderate,' and 'benign' fire weather conditions (i.e. burning conditions) using Boosted Regression Trees. While fire weather was a primary driver in most cases, prefire vegetation was an influential predictor variable across all burning conditions, and the probability of high-severity fire was highest when prefire vegetation was a mixture of tree mortality from bark beetles and live vegetation. Thus, while weather and drought are important drivers of wildfires in subboreal forests, bottom-up drivers of elevation and vegetation, including the fuel legacies of bark beetle outbreaks, are crucial factors influencing high-severity burning. The legacy of recent bark beetle outbreaks will continue for decades on these landscapes, affecting fuel structures, future wildfires, forest dynamics, and the broader social-ecological systems of the region.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».