Early Regeneration Dynamics of Pure Black Spruce and Aspen Forests after Wildfire in Boreal Alberta, Canada
Notice bibliographique
Résumé
Research Highlights: Black spruce (Picea mariana Mill.) and trembling aspen (Populus tremuloides Michx.) both regenerated vigorously after wildfire. However, pure semi-upland black spruce stands are at increasing risk of changing successional trajectories, due to greater aspen recruitment. Background and Objectives: Black spruce and aspen are found across the boreal forest with black spruce dominating lowlands and aspen being common in uplands. Both species are well adapted to wildfire with black spruce holding an aerial seedbank while aspen reproduce rapidly via root suckering. In the summer of 2016, the Horse River wildfire burned 589,617 hectares of northern Alberta’s boreal forest. Methods: We assessed early regeneration dynamics of both pure aspen and pure black spruce forests. For black spruce, 12 plots were established in both bog and semi-upland habitats to assess seedling regeneration and seedbed availability. For aspen, 12 plots were established in each of the low, moderate, and high burn severities, as well as 5 unburned plots. Results: Post-fire black spruce regeneration densities did not differ between bog and semi-upland habitats, but were positively correlated with forb cover and charred organic matter seedbeds. Aspen regeneration within pure black sprue stands was substantial, particularly in semi-upland habitats, indicating a potential shift in successional trajectory. Fire severity did not significantly affect aspen regeneration in pure aspen stands, but regeneration density in all severity types was >90,000 stems ha−1. Aspen regeneration densities were negatively related to post-fire forb and shrub cover, likely due to competition and cooler soil temperature.
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 ».