Does salvage logging erase a key physical legacy of a tornado blowdown? A case study of tree tip-up mounds
Notice bibliographique
Résumé
While large-scale wind disturbances are rare, they are nonetheless powerful drivers of plant community reassembly in temperate forests worldwide. These disturbances cause the formation of tree tip-up mounds that serve as regeneration niches, but the time scale at which novel plant communities develop on mounds is unknown. Moreover, salvage logging can cause mounds to “tip back down” and could therefore erase these microsites. Here, we test three hypotheses with a replicated field experiment: (1) novel plant communities rapidly form on tip-up mounds; (2) salvaging erases these microsites; and (3) “tipped-down” tip-up mounds are novel intermediate microsites. We salvaged a random half of four 3–6 ha blowdowns created by an F1 tornado, measured 249 mounds, and censused the vegetation on 48 mounds and 48 reference plots. Plant communities on mounds had two to three fewer species, 50% less cover, and lower diversity than reference communities. However, salvaging caused modest increases in species richness and diversity on mounds and caused 40% of mounds to tip back down. The physical characteristics and vegetation of these tipped-down “inclined mounds” were more similar to vertical mounds than to reference plots. Our results suggest that salvaging may increase microsite heterogeneity across the landscape by creating novel intermediate mounds.
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 | 0,001 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».