Spatio‐temporal changes in the understory heterogeneity, diversity, and composition after fires of different severities in a semiarid oak (<scp><i>Quercus brantii</i></scp> Lindl.) forest
Notice bibliographique
Résumé
Abstract In arid and semiarid forests and rangelands, native ranchers and farmers frequently use fire as a tool to improve soil fertility and vegetation composition, and to facilitate soil tilling. Investigating changes in ecosystem characteristics after these measures is of great importance for establishing management and recovery strategies. This study aimed to investigate spatial–temporal changes in the understory heterogeneity, diversity and composition after fires of different severities in a Brant's oak (Quercus brantii Lindl.) forest. Vegetation sampling was monitored in 14 patches including unburned sites (UBN), burned sites with low fire severity after 1, 5, and 10 years (LFSO, LFSF, and LFST, respectively), and burned sites with high fire severity after 1, 5, and 10 years (HFSO, HFSF, and HFST, respectively). Fire severity and time since fire significantly affected diversity indices with the lowest values of richness, evenness and diversity in high‐severity fires, while the highest values were observed in low‐severity fires. Time since fire did not significantly affect the understory evenness in both fire severities. However, species diversity and richness in low‐severity fires decreased with time since fire while the reverse was observed in high‐severity fires. The results of a detrended correspondence analysis indicated that the severity and time since fire significantly changed vegetation composition. The largest changes in vegetation composition compared to control sites were observed in HFSO, and then in HFSF and HFST. Both fire severity and time since fire caused changes in the heterogeneity of plant communities. We concluded that the use of low‐severity fires can be suitable for maintaining and increasing the heterogeneity of understory vegetation in semiarid forest ecosystems. However, low‐severity fires have also slightly, while not significantly, increased evenness and can therefore potentially reduce the ecosystem functions of dominant species in such semiarid regions. This could mitigate the positive effect of fire on vegetation heterogeneity and necessitate further investigations.
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 | 0,000 | 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 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 ».