Stand-level effects of soil burn severity on postfire regeneration in a recently burned black spruce forest
Notice bibliographique
Résumé
This study tested whether variations in soil burn severity (soil organic layer consumption) influenced patterns of early postfire plant regeneration in a black spruce (Picea mariana (Mill.) BSP) forest in interior Alaska. Variations in burn severity were related to measurements of postfire tree seedling establishment and cover of plant growth forms observed 78 years after fire. Black spruce and trembling aspen (Populus tremuloides Michx.) showed significant and opposite responses of seedling density to changes in soil burn severity. Positive correlations between burn severity and aspen density and individual seedling biomass led to an increase of over three orders of magnitude in aspen standing biomass (aboveground, g/m 2 ) from the least to most severely burned sites. Variations in aspen productivity and consequent effects on litter production and seedbed quality possibly explain the observed negative response of black spruce density to increasing burn severity. Variations in the cover of several plant growth forms were also strongly correlated with patterns of soil burn severity. Regenerating plant communities in low-severity sites had a greater cover of evergreen shrubs and graminoids, while high-severity sites had increased cover of aspen and acro carp ous mosses. Observations of regeneration patterns in the burn are largely consistent with experimental studies of severity effects and suggest that variations in soil burn severity can have a strong influence on landscape patterns of postfire forest recovery. In this case, increases in burn severity have shifted successional trajectories away from simple conifer self-replacement towards a trajectory of mixed conifer and deciduous dominance.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».