Spatial pattern in the organic layer and tree growth: A case study from regenerating <i>Picea mariana</i> stands prone to paludification
Notice bibliographique
Résumé
Abstract Questions: 1. How does the spatial structure of the organic layer affect tree sapling physiology? 2. Are the organic layer and Picea mariana height growth spatially structured at different scales? 3. Does microtopography influence the accumulation of organic matter and does organic layer thickness affect height growth? Locations: Picea mariana forests, northwestern Quebec, Canada. Methods: We assessed the spatial pattern of each variable in one wildfire site and one harvest site using semivariograms and correlograms. We measured the cross‐correlation between relative elevation and organic layer thickness, and between organic layer thickness and growth using cross‐correlograms. Results: Picea mariana height growth was autocorrelated to a greater extent in the wildfire site (103 m) than in the harvest site (43 m). The spatial structure of organic layer thickness was similar in both sites. Deeper depressions in the harvest site, as illustrated by spatial variance in relative elevation at short distances (ca. 50 m), and by high autocorrelation values, increased the accumulation of organic matter within 20 m. Conclusions: The interaction between microtopography and organic matter accumulation led to paludification and poor growth of Picea mariana at the harvest site. Paludification at the wildfire site was independent of microtopography and was probably a result of stand development.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».