Evaluating the impact of climate change on the black spruce defoliation by spruce budworm
Notice bibliographique
Résumé
Current ecological models predict profound climate change-related effects on the natural disturbance regimes of forests. Spruce budworm (Choristoneura fumiferana) (SBW) is the principal insect defoliator in eastern North America, and SBW outbreaks have a major impact on the structure and function of the Canadian boreal forest, as defoliation leads to decreased tree growth, increased mortality, and lower forest productivity. SBW outbreaks have become more severe over the last century with the changing climate; however, little is known about how the integrated effect of climate and SBW alters the growth of host species. Here we evaluate how climate and outbreak severity combined to affect black spruce (Picea mariana) growth during the SBW outbreak that occurred between 1968-1988 and 2006-2017. We compiled dendrochronological series (2271 trees), outbreak severity (estimated by observed aerial defoliation), and climate data for 164 sites in Québec, Canada. We used a linear mixed effect model to determine the impacts of climatic parameters, cumulative defoliation (of the previous five years), and their interaction effect on basal area growth. At maximum outbreak severity, basal area growth of black spruce was reduced by 14%–18% over five years due to SBW effect. This outbreak growth response was affected by climate: warmer previous summer minimum temperatures and a higher previous summer climate moisture index (CMI) further decreased growth by 11% and 4%, respectively. In contrast, the negative effect of defoliation was attenuated by 9% for a warmer minimum temperature in the previous spring and 7% for a warmer maximum temperature in the previous summer. This study improves our understanding of combined insect–climate effects on growth and helps in the predictions of future SBW-related damage to forest stands to bolster sustainable forest management. We also recommend that projections of boreal forest ecosystems include several classes of SBW defoliation severity coupled with multiple climatic scenarios.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».