Natural succession and clearcutting as drivers of environmental heterogeneity and beta diversity in North American boreal forests
Notice bibliographique
Résumé
Clear-cutting alters natural ecosystem processes by reducing landscape heterogeneity. It is the dominant harvesting technique across the boreal zone, yet understanding of how environmental heterogeneity and beta diversity are structured in forest ecosystems and post-clear cut is lacking. We use ground-dwelling arthropods as models to determine how natural succession (progression from deciduous to mixed to coniferous cover types) and clear-cutting change boreal forests, exploring the role of environmental heterogeneity in shaping beta diversity across multiple spatial scales (between-cover types and between-stands of the same cover type (1600 to 8500 m), between-plots (100 to 400 m) and within-plots (20 to 40 m)). We characterise environmental heterogeneity as variability in combined structural, vegetational and soil parameters, and beta diversity, as variability in assemblage composition. Clear-cutting homogenised forest environments across all spatial scales, reducing total environmental heterogeneity by 35%. Arthropod beta diversity reflected these changes at larger scales suggesting that environmental heterogeneity is useful in explaining beta diversity both between-cover types and between-stands of the same cover type. However, at smaller scales, within- and between-plots spider beta diversity reflected the lower environmental heterogeneity in regenerating stands, whereas staphylinid and carabids assemblages were not homogenised 12 years post-harvest. Differences in environmental heterogeneity and staphylinid beta diversity between cover types were also important at small scales. In regenerating stands, we detected a subtle yet notable effect of pre-felling cover type on environmental heterogeneity and arthropods, where pre-felling cover type accounted for a significant amount of variance in beta diversity, indicating that biological legacies (e.g. soil pH reflecting pre-harvest conditions) may have a role in driving beta diversity even 12 years post-harvest. This study highlights the importance of understanding site history when predicting impacts of change in forest ecosystems. Further, to understand drivers of beta diversity we must identify biological legacies shaping community structure.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».