Wildfire severity reduces richness and alters composition of soil fungal communities in boreal forests of western Canada
Notice bibliographique
Résumé
Wildfire is the dominant disturbance in boreal forests and fire activity is increasing in these regions. Soil fungal communities are important for plant growth and nutrient cycling postfire but there is little understanding of how fires impact fungal communities across landscapes, fire severity gradients, and stand types in boreal forests. Understanding relationships between fungal community composition, particularly mycorrhizas, and understory plant composition is therefore important in predicting how future fire regimes may affect vegetation. We used an extreme wildfire event in boreal forests of Canada's Northwest Territories to test drivers of fungal communities and assess relationships with plant communities. We sampled soils from 39 plots 1 year after fire and 8 unburned plots. High-throughput sequencing (MiSeq, ITS) revealed 2,034 fungal operational taxonomic units. We found soil pH and fire severity (proportion soil organic layer combusted), and interactions between these drivers were important for fungal community structure (composition, richness, diversity, functional groups). Where fire severity was low, samples with low pH had higher total fungal, mycorrhizal, and saprotroph richness compared to where severity was high. Increased fire severity caused declines in richness of total fungi, mycorrhizas, and saprotrophs, and declines in diversity of total fungi and mycorrhizas. The importance of stand age (a surrogate for fire return interval) for fungal composition suggests we could detect long-term successional patterns even after fire. Mycorrhizal and plant community composition, richness, and diversity were weakly but significantly correlated. These weak relationships and the distribution of fungi across plots suggest that the underlying driver of fungal community structure is pH, which is modified by fire severity. This study shows the importance of edaphic factors in determining fungal community structure at large scales, but suggests these patterns are mediated by interactions between fire and forest stand composition.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».