The resistance and short‐term resilience of a restored extracted peatland ecosystems post‐fire: an opportunistic study after a wildfire
Notice bibliographique
Résumé
Bogs are known to be relatively resistant and resilient to fire, due to the dominance of wet Sphagnum mosses. Indeed, Sphagnum mosses by holding water, ensure bog resistance, and by regenerating from any fragments left post‐fire, ensure bog resilience. The return of several ecological attributes has been reported in the literature post‐restoration. However, the resistance and resilience have not yet been evaluated in restored peatlands. A fire affecting an extracted peatland restored 10 years ago provided the opportunity to (1) evaluate the losses post‐fire, in terms of phytobiomass and plant cover and (2) assess early vegetation recovery after one growing season post‐fire. The fire response of the restored peatland, in terms of resistance and short‐term resilience, differed between the main plant communities. Sphagnum Lawn communities ( Sphagnum species from the Acutifolia subgenus and Eriophorum vaginatum ) showed greater resistance to fire losing proportionally less phytobiomass (17%) than Wet Hollow communities (44%) ( Sphagnum species from the Cuspidata subgenus and Scirpus cyperinus ). Greater resistance of the Sphagnum Lawn likely comes from the Acutifolia Sphagnum species growing in dense carpets with good water retention, along with the E. vaginatum tussocks being able to retain humidity below the tussocks, whereas the looser growth habit of Cuspidata Sphagnum species do not have good capillary rise capacity and Scirpus produced litter that can produce a good fuel. This study reinforces the idea that a peatland restoration approach using reintroduction material dominated by Acutifolia Sphagnum species and tussock cottongrass provides a better resistance and short‐term resilience of restored peatlands.
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 | 0,001 | 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 ».