Spatial and temporal variability of forest floor duff characteristics in long-unburned<i>Pinus palustris</i>forests
Notice bibliographique
Résumé
Duff fires (smouldering in fermentation and humus forest floor horizons) and their consequences have been documented in fire-excluded ecosystems but with little attention to their underlying drivers. Duff characteristics influence the ignition and spread of smouldering fires, and their spatial patterns on the forest floor may be an important link to the heterogeneity of consumption observed following fires. We evaluated fuel bed characteristics (depths, bulk densities, and moisture) of duff in a long-unburned longleaf pine (Pinus palustris Mill.) forest and corresponding spatial variation across 100to 103m scales. Fermentation and humus horizon depths both varied (∼100% coefficient of variation) but with moderate to strong spatial autocorrelation at fine scales. Fermentation bulk density varied less than humus bulk density, which varied considerably at fine scales. Fermentation horizons held more moisture (average 49%–172%) and were much more variable than humus following rainfall, which remained stable and relatively dry (average 28%–62%). Humus moisture was moderately autocorrelated at fine scales, but fermentation moisture was highly variable, showing no evidence of spatial autocorrelation under dry, intermediate, or wet conditions. Observations from this study highlight the underlying spatial variability in duff, informing future sampling and fire management efforts in these long-unburned coniferous forests.
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 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».