MétaCan
Menu
Retour à la cohorte
Enregistrement W2943149273 · doi:10.1111/nph.15871

Fire effects on tree physiology

2019· review· en· W2943149273 sur OpenAlexaff
Andreas Bär, Sean T. Michaletz, Stefan Mayr

Notice bibliographique

RevueNew Phytologist · 2019
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesStrategic Environmental Research and Development Program
Mots-clésDisturbance (geology)EcosystemEcologyCambiumEnvironmental scienceClimate changeXylemBiologyTree (set theory)Environmental resource management

Résumé

récupéré en direct d'OpenAlex

Heat injuries sustained in a fire can initiate a cascade of complex mechanisms that affect the physiology of trees after fires. Uncovering the exact physiological mechanisms and relating specific injuries to whole-plant and ecosystem functioning is the focus of intense current research. Recent studies have made critical steps forward in our understanding of tree physiological processes after fires, and have suggested mechanisms by which fire injuries may interact with disturbances such as drought, insects and pathogens. We outline a conceptual framework that unifies the involved processes, their interconnections, and possible feedbacks, and contextualizes these responses with existing hypotheses for disturbance effects on plants and ecosystems. By focusing on carbon and water as currencies of plant functioning, we demonstrate fire-induced cambium/phloem necrosis and xylem damage to be main disturbance effects. The resulting carbon starvation and hydraulic dysfunction are linked with drought and insect impacts. Evaluating the precise process relationships will be crucial for fully understanding how fires can affect tree functionality, and will help improve fire risk assessment and mortality model predictions. Especially considering future climate-driven increases in fire frequency and intensity, knowledge of the physiological tree responses is important to better estimate postfire ecosystem dynamics and interactions with climate disturbances.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,289
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations182
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNew PhytologistMême sujetFire effects on ecosystemsTravaux en français237 207