Long-term effects of prescribed burning, tree retention, and browsing on deciduous tree recruitment in European boreal forests
Notice bibliographique
Résumé
Silvicultural practices, effective fire suppression, and increased browser densities have profoundly altered structural diversity in boreal forests. Prescribed burning and retention forestry may counteract losses in structural diversity in managed forests by maintaining a higher deciduous admixture. We constructed an experiment on 18 sites with three types of timber harvesting (uncut, cut with retention, and clearcut) and burned half of these sites. Subsequently, we established a herbivore treatment with three compartments (unfenced, fenced excluding moose (Alces alces (Linnaeus, 1758)), and fenced excluding moose and hares (Lepus spp.)). In these compartments, we planted rowan (Sorbus aucuparia L.), European aspen (Populus tremula L.), and silver birch (Betula pendula Roth) seedlings and monitored these for 17 years. Birch and rowan mortality were lower on cut and burned sites, with retention further enhancing birch survival on these sites. Retention without burning did not lower seedling mortality of any tree species. While browsing resulted in greater mortality on cut sites, burning appeared to greatly reduce browsing on birch and rowan. On mature uncut sites, seedlings of all tree species exhibited high mortality. Our findings show that deciduous tree recruitment can be improved through prescribed burning, particularly for birch and rowan, and that browsing impacts on deciduous trees depend on forest age.
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 | 0,001 |
| 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 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 ».