Factors driving structure of natural and anthropogenic forest edges from temperate to boreal ecosystems
Notice bibliographique
Résumé
Abstract Questions What factors control broad‐scale variation in edge length and three‐dimensional boundary structure for a large region extending across two biomes? What is the difference in structure between natural and anthropogenic edges? Location Temperate and boreal forests across all of Sweden, spanning latitudes 55–69° N. Methods We sampled more than 2000 forest edges using line intersect sampling in a monitoring programme (National Inventory of Landscapes in Sweden). We compared edge length, ecosystem attributes (width of adjacent ecosystem, canopy cover, canopy height, patch contrast in canopy height, forest type) and boundary attributes (profile, abruptness, shape) of natural edges (lakeshore, wetland) with anthropogenic edges (clear‐cut, agricultural, linear disturbance) in five regions. Results Anthropogenic edges were nearly twice as abundant as natural edges. Length of anthropogenic edges was largest in southern regions, while the abundance of natural edges increased towards the north. Edge types displayed unique spectrums of boundary structures, but abrupt edges dominated, constituting 72% of edge length. Anthropogenic edges were more abrupt than natural edges; wetland edges had the most gradual and sinuous boundaries. Canopy cover, canopy height, patch contrast and forest type depended on region, whereas overall boundary abruptness and shape showed no regional pattern. Patch contrast was related to temperature sum (degree days ≥ 5 °C), suggesting that regional variability can be predicted from climate‐controlled forest productivity. Boundary abruptness was coupled with the underlying environmental gradient, land use and forest type, with higher variability in deciduous than in conifer forest. Conclusions Edge origin, land use, climate and tree species are main drivers of broad‐scale variability in forest edge structure. Our findings have important implications for developing ecological theory that can explain and predict how different factors affect forest edge structure, and help to understand how land use and climate change affect biodiversity at forest edges.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».