The influence of prefire tree growth and crown condition on postfire mortality of sugar pine following prescribed fire in Sequoia National Park
Notice bibliographique
Résumé
Tree mortality is a vital component of forest management in the context of prescribed fires; however, few studies have examined the effect of prefire tree health on postfire mortality. This is especially relevant for sugar pine (Pinus lambertiana Douglas), a species experiencing population declines due to a suite of anthropogenic factors. Using data from an old-growth mixed-conifer forest in Sequoia National Park, we evaluated the effects of fire, tree size, prefire radial growth, and crown condition on postfire mortality. Models based only on tree size and measures of fire damage were compared with models that included tree size, fire damage, and prefire tree health (e.g., measures of prefire tree radial growth or crown condition). Immediately following the fire, the inclusion of different metrics of prefire tree health produced variable improvements over the models that included only tree size and measures of fire damage, as models that included measures of crown condition performed better than fire-only models, but models that included measures of prefire radial growth did not perform better. However, 5 years following the fire, sugar pine mortality was best predicted by models that included measures of both fire damage and prefire tree health, specifically, diameter at breast height (DBH, 1.37 m), crown scorch, 30-year mean growth, and the number of sharp declines in growth over a 30-year period. This suggests that factors that influence prefire tree health (e.g., drought, competition, pathogens, etc.) may partially determine postfire mortality, especially when accounting for delayed mortality following fire.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».