Short-term effects of fire and forest thinning on truffle abundance and consumption by<i>Neotamias speciosus</i>in the Sierra Nevada of California
Notice bibliographique
Résumé
In many western North American forests, prescribed burning and mechanical thinning are widely used to reduce fuels and restore stand conditions after a century of fire suppression. Few studies have followed the relative impacts of these treatments on the production and consumption of truffles in forest ecosystems, particularly in the Sierra Nevada of California. Using a full-factorial completely randomized design, we examined the short-term impacts of prescribed burning (no burn and burn), mechanical thinning (no thin, light thin, and heavy thin), and combinations of these treatments on the production of truffles and their consumption by lodgepole chipmunks (Neotamias speciosus Merriam) in a mixed-conifer forest of the southern Sierra Nevada of California. Truffle frequency, biomass, and species richness were lower in thinned or burned plots than controls, as was the frequency and generic richness of truffles in the diet of N. speciosus. Truffle frequency, biomass, and species richness, and truffle consumption by N. speciosus were lower in heavily thinned and thinned and burned plots than in those exclusively burned. These results suggest that either thinning or burning can reduce short-term truffle production and consumption, and potentially the dispersal of ectomycorrhizal spores by small mammals. Moreover, truffles decreased with treatment intensity, suggesting heavy thinning and higher burn intensity, particularly when applied together, can significantly affect short-term truffle abundance and small mammal consumption.
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 ».