Biotic disturbances in Northern Hemisphere forests – a synthesis of recent data, uncertainties and implications for forest monitoring and modelling
Notice bibliographique
Résumé
Abstract Aim Biotic disturbances (BD, including insects, pathogens and wildlife herbivory) can alter forest structure and the capability of forests to deliver ecosystem services. Impact assessments, however, are limited by the lack of reliable and timely disturbance data at large spatial scales. This review synthesizes empirical data on the magnitude and distribution of spatio‐temporal impacts of BD. Location Northern Hemisphere. Methods Based on large‐scale, multi‐year BD data sets, covering c . 46% of the global forest, we calculated annual disturbance fractions D f (percentage of forest area affected) and their inter‐annual variability at a grid cell resolution of 1°. The impact of BD on forest carbon pools was determined by overlaying D f with data on forest cover and carbon density. Results Overall, 43.9 million hectares (Mha) ( D f = 2.6%) of forests were affected annually by BD, particularly by insects (36.5 Mha, D f = 2.2%). Our synthesis demonstrates that fractions affected by BD (1) vary greatly over space and time, mainly in response to ephemeral bark beetle and defoliator outbreaks, (2) show temporal trends that are inconsistent across regions, yet are largely increasing over recent decades, and (3) are substantially higher than D f caused by fire and other abiotic disturbances. Tree mortality was estimated over an area of 3.3 Mha year −1 (medium estimate which assumed mortality at 7.5% of the affected area), with associated committed carbon fluxes from living biomass to litter and the atmosphere at 129.9 Mt C year −1 . Main conclusions BD are key drivers of forest dynamics, making a contribution to tree mortality of a similar magnitude to fire. Despite inherent uncertainties, the data reported can be used to improve the representation of BD in global ecosystem models. Our findings call for future forest monitoring approaches to provide accessible, precise and consistent data on the occurrence and severity of BD which are harmonized across jurisdictions.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».