Aspect and slope influence plant community composition more than elevation across forest–tundra ecotones in subarctic Canada
Notice bibliographique
Résumé
Abstract Questions How does tree line community composition vary between elevations, aspects and slope angles in the alpine subarctic and what are the specific abiotic factors governing this variability? How do species richness and rates of community turnover vary from low to high elevation across the forest–tundra ecotone? What do the results indicate about future vegetation change? Location Kluane Region, southwest Yukon, Canada. Methods We surveyed plant communities and measured key abiotic variables across forest–tundra ecotones in six alpine valleys, each with a north‐ and a south‐facing slope, in two mountain ranges of southwest Yukon. We usedNMSto identify patterns in plant community composition and infer which abiotic variables drive these patterns. We calculated species richness and community dissimilarity at regular elevational intervals to assess trends in richness and rates of community turnover within the ecotone. Results Plant communities varied more with aspect and slope angle than they did with elevation. Aspect‐related differences were driven by warmer soil temperatures and deeper active layers on south‐ compared to north‐facing slopes, while differences related to slope angle occurred only on north‐facing slopes and were driven by soil moisture. Species richness increased with elevation on north‐facing slopes and showed no trend with elevation on south‐facing slopes. Rates of community turnover were higher on south‐facing than north‐facing slopes. Conclusions Plant community composition within the forest–tundra ecotone is driven primarily by soil temperature and, to a lesser extent, soil moisture, both of which vary more in relation to aspect and slope angle than they do between forest and tundra elevations. We recommend that models of vegetation change in subarctic alpine regions address the possibility of change occurring at different rates and in different directions depending on the topographic characteristics of each slope.
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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».