Ecological impacts of shortening fire return intervals on boreal peatlands and transition zones using integrated in situ field sampling and lidar approaches
Notice bibliographique
Résumé
Abstract Aridity associated with rising air temperatures in northern latitudes is expected to contribute to increased frequency of wildland fires. Here, we examined regenerating vegetation following short return interval (SRI) fire (56 years post‐fire) compared to long return interval (LRI) fire (>80 years post‐fire) in boreal peatlands and their adjacent transitional areas. The objectives of this study were to quantify if differences exist between (1) peatland and transitional soil characteristics in LRI versus SRI areas and (2) regenerating vegetation species, structural characteristics and diversity. We also determined if patterns of vegetation structural characteristics observed using field data also occur across the broader landscape using airborne lidar data. The Utikuma Region Study Area (URSA) is located in central Alberta, Canada. Here, 19 peatlands were sampled, coincident with an airborne lidar survey of the broader region, where 120 peatlands in short and long fire return intervals were identified. We found that SRI transitional areas had significantly deeper organic soil deposits than those found in LRI ( p < 0.0001). Proportions of regenerating species differed significantly between peatlands and transitional areas in SRI versus LRI, where greater proportion of coniferous species were observed in LRI. Deciduous transitional–upland species and taller post‐fire vegetation heights were more commonly found SRI peatlands compared with LRI. This suggest that fires with SRIs in this region may result in enhanced deciduous succession, which may transition boreal peatlands into ecosystems that have some characteristics of transitional and upland forests.
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 ».