Foliar morphology and chemistry of upland oaks, red maple, and sassafras seedlings in response to single and repeated prescribed fires
Notice bibliographique
Résumé
Managers increasingly use prescribed fire in oak forests to decrease fire-sensitive species, increase understory light, and improve oak ( Quercus spp.) regeneration. To better understand woody seedling response to burning, single and repeated (3×) prescribed fires were implemented over 6 years (2002–2007) in eastern Kentucky, and leaf traits of red ( Erythrobalanus spp.) and white oaks ( Leucobalanus spp.) were compared with competitors red maple ( Acer rubrum L.) and sassafras ( Sassafras albidum (Nutt.) Nees). Burned seedlings had higher total leaf area (TLA) because of two to three times higher TLA of sassafras. Leaf mass per area (LMA) and leaf N content per area (Narea) increased postfire but were independent of seedling identity. Canopy openness during 2006, which was lower on unburned sites (4%–8%) compared with those burned 1× (4%–16%) and 3× (7%–33%), was positively correlated with sassafras TLA, oak and sassafras Narea, and LMA of all seedling groups the subsequent year. In 2007, TLA, LMA, and Narea were positively correlated with basal diameter of all groups but most significantly for sassafras and red maple. These findings indicate that low-intensity, early growing season prescribed fire can alter seedling leaf characteristics, but not in a manner that enhances oak seedling leaf traits relative to their competitors red maple and sassafras.
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 | 0,000 | 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) | 0,001 | 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 ».