The structure of boreal old-growth forests changes at multiple spatial scales over decades
Notice bibliographique
Résumé
Abstract Context Changes in the structure of boreal old-growth forests are typically studied at a specific spatial scale. Consequently, little is known about forest development across different spatial scales. Objectives We investigated how and at what spatial scales forest structure changed over several decades in three 4 km 2 boreal old-growth forests landscapes in northeastern Finland and two in Quebec, Canada. Methods We used canopy cover values visually interpreted to 0.1-ha grid cells from aerial photographs taken at three time points between the years 1959 and 2011, and error distributions quantified for the interpretation. We identified the spatial scales at which canopy cover changed between the time points, and examined the credibility of changes at these scales using the error distributions in Bayesian inference. Results Canopy cover changed at three to four spatial scales, the number of scales depending on the studied landscape and time interval. At large scales (15.4–321.7 ha), canopy cover increased in Finland during all time intervals. In Quebec, the direction of the large-scale change varied between the studied time intervals, owing to the occurrence of an insect outbreak and a consequent recovery. However, parts of these landscapes also showed canopy cover increase. Superimposed on the large-scale developments, canopy cover changed variably at smaller scales (1.3–2.8-ha and 0.1-ha). Conclusions Our findings support the idea that the structure of boreal old-growth forests changes at discernible spatial scales. Instead of being driven by gap dynamics, the old-growth forests in the studied regions are currently reacting to large-scale drivers by an increase in canopy cover.
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) | 0,001 | 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 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 ».