Forest and woodland replacement patterns following drought-related mortality
Notice bibliographique
Résumé
Forest vulnerability to drought is expected to increase under anthropogenic climate change, and drought-induced mortality and community dynamics following drought have major ecological and societal impacts. Here, we show that tree mortality concomitant with drought has led to short-term (mean 5 y, range 1 to 23 y after mortality) vegetation-type conversion in multiple biomes across the world (131 sites). Self-replacement of the dominant tree species was only prevalent in 21% of the examined cases and forests and woodlands shifted to nonwoody vegetation in 10% of them. The ultimate temporal persistence of such changes remains unknown but, given the key role of biological legacies in long-term ecological succession, this emerging picture of postdrought ecological trajectories highlights the potential for major ecosystem reorganization in the coming decades. Community changes were less pronounced under wetter postmortality conditions. Replacement was also influenced by management intensity, and postdrought shrub dominance was higher when pathogens acted as codrivers of tree mortality. Early change in community composition indicates that forests dominated by mesic species generally shifted toward more xeric communities, with replacing tree and shrub species exhibiting drier bioclimatic optima and distribution ranges. However, shifts toward more mesic communities also occurred and multiple pathways of forest replacement were observed for some species. Drought characteristics, species-specific environmental preferences, plant traits, and ecosystem legacies govern postdrought species turnover and subsequent ecological trajectories, with potential far-reaching implications for forest biodiversity and ecosystem services.
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 ».