Resilience of Arctic mycorrhizal fungal communities after wildfire facilitated by resprouting shrubs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Climate-induced changes in the tundra fire regime are expected to alter shrub abundance and distribution across the Arctic. However, little is known about how fire may indirectly impact shrub performance by altering mycorrhizal symbionts. We used molecular tools, including ARISA and fungal ITS sequencing, to characterize the mycorrhizal communities on resprouting Betula nana shrubs across a fire-severity gradient after the largest tundra fire recorded in the Alaskan Arctic (July-October 2007). Fire effects on the components of fungal composition were dependant on the scale of taxonomic resolution. Variation in fungal community composition was correlated with fire severity. Fungal richness and relative abundance of dominant taxa declined with increased fire severity. Yet, in contrast to temperate and boreal regions with frequent wildfires, mycorrhizal fungi on resprouting shrubs in tundra were not strongly differentiated into fire-specialists and fire-sensitive fungi. Instead, dominant fungi, including taxa characteristic of late successional stages, were present regardless of fire severity. It is likely that the resprouting life history strategy of tundra shrubs confers resilience of dominant mycorrhizal fungi to fire disturbance by maintaining an inoculum source on the landscape after fire. Based on these results, we suggest that resprouting shrubs may facilitate post-fire vegetation regeneration and potentially the expansion of trees and shrubs under predicted scenarios of increased warming and fire disturbance in Arctic tundra.
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.
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 | 0,001 | 0,001 |
| 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 découle