Three large fire years threaten resilience of closed crown black spruce forests in eastern Canada
Notice bibliographique
Résumé
An emerging paradigm regarding vegetation response to climate warming is that the interaction of weather extremes and disturbance will trigger abrupt changes in ecosystem types by overcoming resilience of dominant species. Black spruce (Picea mariana (Mill.)) ecosystems are widespread across the North American boreal forest, because of ecophysiological adaptations that allowed these communities to thrive in fire‐prone areas. We investigated resilience of spruce‐moss forests to weather‐disturbance interaction after a 3‐year period (2005 to 2007) of major fire activity caused by extreme fire weather in eastern Canada. Pre‐ and post‐fire conifer densities and environmental parameters related to seed rain, post‐fire seedbeds, microclimate, and post‐fire weather were measured in 133 burned stands throughout the closed‐crown forest of Quebec. Critically low black spruce (BS) regeneration was observed in almost all of the stands, leading to a decrease in stand density and a shift of species dominance from BS to jack pine (Pinus banksiana (Lamb.), JP). The studied sites were characterized by thick residual organic matter, resulting in a predominance of charred duff, a seedbed associated with low water retention and high variation in temperature. While high levels of JP seedling establishment were reported on this seedbed, it was unfavorable to BS germination and survival in the context of warm and dry weather that prevailed in post‐fire summers. In these ecosystems, early vegetation establishment patterns are generally reliable predictors of future stand composition and the exclusion of BS will presumably be maintained through succession. During large fire years, high proportions of the landscape are subjected to the interaction of fire regime and weather that creates unsuitable conditions for BS regeneration. Hence, vegetation change is susceptible to happen at a broad scale. Therefore, the frequency of major fire years could have a decisive influence on the rate of vegetation response to climate change in this biome.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».