MétaCan
Menu
Retour à la cohorte
Enregistrement W2117847183 · doi:10.1111/j.1365-2745.2010.01780.x

Invasion of Norway spruce diversifies the fire regime in boreal European forests

2011· article· en· W2117847183 sur OpenAlexaff
Mikael Ohlson, Kendrick J. Brown, H. J. B. Birks, John‐Arvid Grytnes, Greger Hörnberg, Mats Niklasson, Heikki Seppä, Richard Bradshaw

Notice bibliographique

RevueJournal of Ecology · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensCanadian Forest Service
Organismes subventionnairesBjerknessenteret for klimaforskning, Universitetet i BergenNatural Environment Research CouncilNorges ForskningsrådSight Research UK
Mots-clésTaigaDisturbance (geology)Fire regimeBorealEcologyForest dynamicsClimate changeEnvironmental scienceCharcoalBiomass (ecology)GeographyEcosystemPhysical geographyForestryBiology

Résumé

récupéré en direct d'OpenAlex

Summary 1. Global wildfire activity and biomass burning have varied substantially during the Holocene in both time and space. At the regional to continental scale, macroclimate is considered to be the predominant control regulating wildfire activity. By contrast, the role of forest tree composition is often considered as a subsidiary factor in studies addressing temporal variation in regional wildfire activity. 2. Here, we assemble a spatially comprehensive data set of 75 macroscopic charcoal records that reflect local burning and forest landscapes that are spread over a substantial part of the European boreal forest, spanning both oceanic and continental climates. 3. We show that the late‐Holocene invasion of Norway spruce Picea abies , a new forest dominant in northern Europe, significantly reduced wildfire activity, thus altering forest disturbance dynamics at a subcontinental scale. 4. Synthesis. Our findings show that a biotic change in the local forest ecosystem altered the fire regime largely independent of regional climate change, illustrating that forest composition is an important parameter that must be considered when modelling future fire risk and carbon dynamics in boreal forests.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,579

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,203
Écart entre enseignants0,185 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations95
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of EcologyMême sujetFire effects on ecosystemsTravaux en français237 207