MétaCan
Menu
Retour à la cohorte
Enregistrement W4389300549 · doi:10.1186/s13595-023-01213-8

Post-fire forest recovery at high latitudes: tree regeneration dominated by fire-adapted, early-seral species increases with latitude

2023· article· en· W4389300549 sur OpenAlexaboutno aff
Matthew Ruggirello, Gimena Bustamante, Paula Olivera Rodríguez, Verónica Cruz‐Alonso, Rosina Soler

Notice bibliographique

RevueAnnals of Forest Science · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesConsejo Nacional de Investigaciones Científicas y TécnicasReal Colegio ComplutenseRufford Foundation
Mots-clésRegeneration (biology)LatitudeSeral communityDeciduousEcologyContext (archaeology)Fire regimeEnvironmental scienceFire ecologyForest managementForestryGeographyBiologyEcosystemHabitat

Résumé

récupéré en direct d'OpenAlex

Abstract Key message Above 40° N/S, increasing latitude is linked to greater post-fire tree regeneration. However, species dominance shifts from conifers to short-lived deciduous trees, which may negatively impact flora, fauna, and ecosystem services dependent on coniferous forests. These results were primarily driven by studies from North America, highlighting the need for more research that directly measures post-fire forest recovery in other high-latitude regions. Context As the size and frequency of wildfires increase across many regions, high-latitude forests may be at particular risk for decreases in regeneration and state shifts post-fire. Aims Through this systematic review, we sought to determine the general relationship between post-fire tree regeneration densities and latitude in forests above 40° N/S. We expected regeneration densities post-fire would decrease with increasing latitude, and that forest regeneration would be negatively impacted by high burn severities, forest management, harsh site conditions, and unprotected microsites. We also anticipated that light-demanding species with adaptations to fire would replace shade-tolerant species that lack such adaptations post-fire. Methods We conducted a literature search that returned over 4500 articles. We selected those that directly measured post-fire regeneration at or above 40° N/S and retained 93 articles for analysis. Fire characteristics, pre- and post-fire tree species compositions and regeneration densities, and regeneration predictors were then extracted from the retained articles. We fit linear mixed models to post-fire regeneration density with latitude and species traits as explanatory variables and also explored the significance and magnitude of predictors that informed post-fire tree species response. Results Contrary to our expectations, post-fire regeneration increased significantly with latitude. High burn severities and unprotected microsites had negative impacts on post-fire regeneration; higher elevations and more prolific pre- or post-fire reproduction were positively correlated with post-fire regeneration, while management of any type did not have an impact. Conclusion Although forests are regenerating after wildfires at the most extreme latitudes included in this study (above 55° N), regeneration is often limited to only a handful of genera: aspen ( Populus ) and birch ( Betula ), for example. Regeneration was less abundant at the lower range of our study area. Certain lower latitude forests that occupy marginal habitats are under increasing stress from drier, warmer conditions that are exacerbated by wildfires. Results were largely driven by studies from Canada and the USA and may not be applicable to all high-latitude forests.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,231
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Forest ScienceMême sujetFire effects on ecosystemsTravaux en français237 207