Cool as a moose: How can browsing counteract climate warming effects across boreal forest ecosystems?
Notice bibliographique
Résumé
Herbivory has potential to modify vegetation responses to climatic changes. However, climate and herbivory also affect each other, and rarely work in isolation from other ecological factors, such as plant-plant competition. Thus, it is challenging to predict the extent to which herbivory can counteract, amplify, or interact with climate impacts on ecosystems. Here, we investigate how moose modify climatic responses of boreal trees by using experimental exclosures on two continents and modeling complex causal pathways including several climatic factors, multiple tree species, competition, tree height, time, food availability, and herbivore presence, density, and browsing intensity. We show that moose can counteract, that is, "cool down" positive temperature responses of trees, but that this effect varies between species depending on moose foraging preferences. Growth of preferred deciduous trees was strongly affected by moose, whereas growth of less preferred conifers was mostly driven by climate and tree height. In addition, moose changed temperature responses of rowan in Norway and balsam fir in Canada, by making fir more responsive to temperature but decreasing the strength of the temperature response of rowan. Snow protected trees from browsing, and therefore moose "cooling power" might increase should a warming climate result in decreased snow cover. Furthermore, we found evidence of indirect effects of moose via plant-plant competition: By constraining growth of competing trees, moose can contribute positively to the growth of other trees. Our study shows that in boreal forests, herbivory cooling power is highly context dependent, and in order to understand its potential to prevent changes induced by warming climate, species differences, snow, competition, and climate effects on browsing need to be considered.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 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 ».