Modeling stability and resilience after slashburning across a sub-boreal to subalpine forest gradient in British Columbia
Notice bibliographique
Résumé
Stability and resilience of conifer-dominated vegetation communities following clear-cutting and slashburning in central British Columbia, were modeled across gradients of resource availability, fire return interval (FRI), and fire severity. We hypothesized that high resource availability and long fire-free intervals would enhance stability, whereas high resource availability and short fire-free intervals would confer resilience. Fire weather indices and pre- and post-burn fuel loads were recorded and vegetation regrowth monitored for 5–11 years at 12 sites. Stepwise regression was used to model rates of revegetation, increases in vascular species richness, and pre- and post-burn similarity of species composition as a function of the environmental variables. Predicted stability for four sub-boreal to subalpine vegetation communities with contrasting resource availability and FRI corresponded closely to our hypotheses. Rates of revegetation were more strongly correlated with resource availability, whereas composition-based response variables were more strongly correlated with the FRI. Based on revegetation rates, all ecosystems were predicted to have equal resilience. However, based on vegetation composition, mesic sub-boreal ecosystems were predicted to be more resilient than mesic subalpine ecosystems because the degree of change in species composition was less sensitive to increasing burn severity. More slashburned sites with a broader range of burn severities are needed to verify these preliminary models.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».