Mechanical scarification can reduce competitive traits of boreal ericaceous shrubs and improve nutritional site quality
Notice bibliographique
Résumé
Abstract Ericaceous shrubs often interfere with the growth of black spruce seedlings on regenerating forest sites in Eastern Canada. Mechanical site preparation such as scarification may improve this situation, but it is uncertain whether this is solely due to a reduction in direct competition from the shrubs, or also from a sustained improvement in nutritional site quality. We sampled experimental plots in two boreal climate regions (i.e. warmer-drier Abitibi vs. cooler-wetter Côte-Nord) where scarification, performed 18 years earlier, had increased the growth of black spruce relative to non-scarified plots. Trees of scarified plots had closed the canopy more than trees of non-scarified plots in Côte-Nord, but not in Abitibi. Total ground cover of ericaceous shrubs was lower in scarified plots at both sites, the main species being Kalmia angustifolia (i.e. Kalmia) in Abitibi and Rhododendron groenlandicum (i.e. Labrador tea) in Côte-Nord. Scarified plots at both sites had significantly shorter current-year ericaceous rhizomes than non-scarified plots, but the difference between treatments was significantly greater in Côte-Nord than in Abitibi. In Côte-Nord, ericaceous shrubs on scarified plots had a lower specific rhizome mass, higher specific leaf area, lower tannin and higher N concentrations in leaves and litter, and lower N use efficiency than on non-scarified plots. By comparison, scarification in Abitibi affected only one foliar property, namely a reduction in the C:N ratio of Kalmia leaf litter. Forest floor N mineralization rates and black spruce needle N concentrations were higher in scarified than non-scarified plots across both sites. Taken collectively, results suggest that mechanical scarification on ericaceous shrub-dominated cutovers can reduce competitive traits of boreal ericaceous shrubs and improve nutritional site quality, especially in cooler-wetter climates. Highlights
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 | 0,000 | 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) | 0,001 | 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 ».