<i>Sphagnum</i> mosses limit total carbon consumption during fire in Alaskan black spruce forests
Notice bibliographique
Résumé
The high water retention of hummock-forming Sphagnum species minimizes soil moisture fluctuations and might protect forest floor organic matter from burning during wildfire. We hypothesized that Sphagnum cover reduces overall forest floor organic matter consumption during wildfire compared with other ground-layer vegetation. We characterized variability in soil organic layer depth and organic matter stocks in two pairs of burned and unburned black spruce ( Picea mariana (Mill.) BSP) stands in interior Alaska. In the unburned stands, microsites dominated by Sphagnum had more than twice as much soil organic matter·m –2 as microsites dominated by feather moss and (or) lichens. Whereas 20% of soil organic matter was consumed during fire in microsites dominated by Sphagnum, 45% was consumed in microsites dominated by the feather moss and (or) lichens. Across 79 recently burned black spruce stands, unburned moss abundance (primarily remnant Sphagnum hummocks), landscape position (backslope, flat upland, flat lowland classes), and the interaction among these variables explained 60% of postfire organic soil depths. We suggest that “Sphagnum sheep” could serve as a useful visual indicator of variability in postfire soil carbon stocks in boreal black spruce forests. Sphagnum mosses are important ecosystem engineers not only for their influence on decomposition rates, but also for their effect on fuel consumption and fire patterning.
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 | 0,001 | 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 | 0,001 |
| 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) | 0,001 | 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 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 ».