How do plant communities differ between fire refugia and fire‐generated early‐seral vegetation?
Notice bibliographique
Résumé
Abstract Aims Wildfires in dry forest ecosystems in western North America are producing fire effects that are more severe than historical estimates, raising concerns about the resilience of these landscapes to contemporary disturbances. Despite increasing fire activity, relatively little is known about the structure and composition of fire refugia — unburned or low‐severity burned patches where trees survived fire — or the degree to which their understory composition differs from fire‐generated early‐seral forests. Locations Four recent large fires in dry mixed‐conifer forest in eastern Oregon, USA. Methods We sampled vegetation and environmental factors in 187 plots (100‐m 2 ) in fire refugia ( n = 52) and stand‐replacement patches (SRPs) ( n = 135). We used non‐metric multidimensional scaling, indicator species analysis, and randomization tests to compare understory plant communities and diversity in fire refugia and SRPs 12–17 years post‐fire. Results Understory plant communities in fire refugia and SRPs showed strong compositional affinities, but exhibited shifts in reproductive trait prevalence and differences in landscape‐scale species richness. There were no differences in plot‐scale species richness or the occurrence of two prominent invasive annual grasses ( Bromus tectorum, Ventenata dubia ). The abundance of common obligate seeding species was similar between plot types, but resprouting and seed‐banking species became substantially more abundant in SRPs. Significantly more plant species occurred only in fire refugia, and significantly fewer in SRPs, than expected by chance. Conclusions Similarities in understory plant communities between fire refugia and early‐seral forest in SRPs provide evidence for the resilience of historically frequent‐fire forest understory communities to contemporary fire effects. However, fire refugia may serve an ecologically important role as patches with relatively intact forest structure, seed sources that contribute to post‐fire forest recovery, and as reservoirs of species and age structure that may be absent from the higher‐severity burned matrix.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».