Can Siberian alder N-fixation offset N-loss after severe fire? Quantifying post-fire Siberian alder distribution, growth, and N-fixation in boreal Alaska
Notice bibliographique
Résumé
Fire severity affects both ecosystem N-loss and post-fire N-balance. Climate change is altering the fire regime of interior Alaska, although the effects on Siberian alder (Alnus viridis ssp. fruticosa) annual N-fixation input (kg N ha-1 yr-1) and ecosystem N-balance are largely unknown. We established 263 study plots across two burn scars within the Yukon-Tanana Uplands ecoregion of interior Alaska. Siberian alder N-input was quantified by post-fire age, fire severity, and stand type. We modeled the components of Siberian alder N-input using environmental variables and fire severity within and across burn scars and estimated post-fire N-balance using N-loss (volatilized N) and N-gain [biological N-fixation and atmospheric deposition]. Mean nodule-level N-fixation rate was 70% higher 11-years post-fire (12.88 ± 1.18 μmol N g-1 hr-1) than 40-years post-fire (7.58 ± 0.59 μmol N g-1 hr-1). Structural equation modeling indicated that fire severity had a negative effect on Siberian alder density, but a positive effect on live nodule biomass (g nodule m-2 plant-1). Post-fire Siberian alder N-input was highest in 11-year old moderately burned deciduous stands (11.53 ± 0.22 kg N ha-1 yr-1), and lowest in 11-year old stands that converted from black spruce to deciduous dominance after severe fire (0.06 ± 0.003 kg N ha-1 yr-1). Over a 138-year fire return interval, N-gains in converted black spruce stands are estimated to offset 15% of volatilized N, whereas N-gains in burned deciduous stands likely exceed volatilized N by an order of magnitude. High Siberian alder density and nodule biomass drives N-input in burned deciduous stands, while low N-fixer density (including Siberian alder) limits N-input in high severity black spruce stands not underlain by permafrost. A severe fire regime that converts black spruce stands to deciduous dominance without alder recruitment may induce progressive N-losses which alter boreal forest ecosystem patterns and processes.
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 | 0,000 |
| 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 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 ».