Black spruce (Picea mariana) seed availability and viability in boreal forests after large wildfires
Notice bibliographique
Résumé
Abstract Key message Black spruce ( Picea mariana (Mill.) B.S.P.) has historically self-replaced following wildfire, but recent evidence suggests that this is changing. One factor could be negative impacts of intensifying fire activity on black spruce seed rain. We investigated this by measuring black spruce seed rain and seedling establishment. Our results suggest that increases in fire activity could reduce seed rain meaning reductions in black spruce establishment. Context Black spruce is an important conifer in boreal North America that develops a semi-serotinous, aerial seedbank and releases a pulse of seeds after fire. Variation in postfire seed rain has important consequences for black spruce regeneration and stand composition. Aims We explore the possible effects of changes in fire regime on the abundance and viability of black spruce seeds following a very large wildfire season in the Northwest Territories, Canada (NWT). Methods We measured postfire seed rain over 2 years at 25 black spruce-dominated sites and evaluated drivers of stand characteristics and environmental conditions on total black spruce seed rain and viability. Results We found a positive relationship between black spruce basal area and total seed rain. However, at high basal areas, this increasing rate of seed rain was not maintained. Viable seed rain was greater in stands that were older, closer to unburned edges, and where canopy combustion was less severe. Finally, we demonstrated positive relationships between seed rain and seedling establishment, confirming our measures of seed rain were key drivers of postfire forest regeneration. Conclusion These results indicate that projected increases in fire activity will reduce levels of black spruce recruitment following fire.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».