What Drives Reproductive Maturity and Efficiency in Serotinous Boreal Conifers?
Notice bibliographique
Résumé
In boreal North America, much of the landscape is covered by fire-adapted forests dominated by serotinous conifers. For these forests, reductions in fire return interval could limit reproductive success, owing to insufficient time for stands to reach reproductive maturity i.e., to initiate cone production. Improved understanding of the drivers of reproductive maturity can provide important information about the capacity of these forests to self-replace following fire. Here, we assessed the drivers of reproductive maturity in two dominant and widespread conifers, semi-serotinous black spruce and serotinous jack pine. Presence or absence of female cones were recorded in approximately 15,000 individuals within old and recently burned stands in two distinct ecozones of the Northwest Territories (NWT), Canada. Our results show that reproductive maturity was triggered by a minimum tree size threshold rather than an age threshold, with trees reaching reproductive maturity at smaller sizes where environmental conditions were more stressful. The number of reproductive trees per plot increased with stem density, basal area, and at higher latitudes (colder locations). The harsh climatic conditions present at these higher latitudes, however, limited the recruitment of jack pine at the treeline ecotone. The number of reproductive black spruce trees increased with deeper soils, whereas the number of reproductive jack pine trees increased where soils were shallower. We examined the reproductive efficiency i.e., the number of seedlings recruited per reproductive tree, linking pre-fire reproductive maturity of recently burned stands and post-fire seedling recruitment (recorded up to 4 years after the fires) and found that a reproductive jack pine can recruit on average three times more seedlings than a reproductive black spruce. We suggest that the higher reproductive efficiency of jack pine can explain the greater resilience of this species to wildfire compared with black spruce. Overall, these results help link life history characteristics, such as reproductive maturity, to variation in post-fire recruitment of dominant serotinous conifers.
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 ».