Conifer regeneration in stand-replacement portions of a large mixed-severity wildfire in the Klamath–Siskiyou Mountains
Notice bibliographique
Résumé
Large-scale wildfires (∼10 4 –10 6 ha) have the potential to eliminate seed sources over broad areas and thus may lead to qualitatively different regeneration dynamics than in small burns; however, regeneration after such events has received little study in temperate forests. Following a 200 000 ha mixed-severity wildfire in Oregon, USA, we quantified (1) conifer and broadleaf regeneration in stand-replacement patches 2 and 4 years postfire; and (2) the relative importance of isolation from seed sources (live trees) versus local site conditions in controlling regeneration. Patch-scale conifer regeneration density (72%–80% Douglas-fir ( Pseudotsuga menziesii (Mirb). Franco)) varied widely, from 127 to 6494 stems·ha –1 . Median densities were 1721 and 1603 stems·ha –1 2 and 4 years postfire, respectively, i.e., ∼12 times prefire overstory densities (134 stems·ha –1 ). Because of the complex burn mosaic, ∼58% of stand-replacement area was ≤200 m from a live-tree edge (seed source), and ∼81% was ≤400 m. Median conifer density exceeded 1000 stems·ha –1 out to a distance of 400 m from an edge before declining farther away. The strongest controls on regeneration were distance to live trees and soil parent material, with skeletal coarse-grained soils supporting lower densities (133 stems·ha –1 ) than fine-grained soils (729–1492 stems·ha –1 ). Other site factors (e.g., topography, broadleaf cover) had little association with conifer regeneration. The mixed-severity fire pattern strongly influenced the regeneration process by providing seed sources throughout much of the burned landscape.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».