Seeing the Savanna Through the Trees: Vegetation Structure, Composition and Function Along a Forest‐Savanna Boundary in Cambodia
Notice bibliographique
Résumé
ABSTRACT In the seasonally dry landscapes of continental Southeast Asia, deciduous dipterocarp vegetation (DDF) and semi‐evergreen forests (SEF) form patchy landscape mosaics, with abrupt boundaries between them. DDF resembles savanna, with an open canopy and a continuous grassy ground layer, while SEF lacks grass and has high tree cover and a closed canopy. Alternative hypotheses suggest that these distinct vegetation types are alternative stable states maintained by fire‐vegetation feedbacks, that differences in edaphic conditions across landscapes explain their distributions, and/or that DDF are degraded or early successional forests whose distribution is determined by legacies of anthropogenic disturbance. Here, we compare structure, composition, and functional traits of woody vegetation across DDF‐SEF boundaries, and ask whether differences across vegetation types are associated with edaphic factors or fire history. We found major differences in vegetation structure and species composition across DDF and SEF, with few shared species across vegetation types. Dominant DDF tree species were not found in SEF, suggesting that DDF represents a distinct vegetation community, rather than early successional or degraded forest. Compared to SEF species, DDF species had lower specific leaf area and higher bark thickness, a key trait associated with fire tolerance. Soil texture and fertility did not differ across vegetation types. Together, these findings suggest that fire, not edaphic factors, likely is the key driver of vegetation at DDF‐SEF boundaries. Our results further support classifying and managing DDF as savanna. Conserving the unique biodiversity of DDF‐SEF mosaic landscapes will require research to support evidence‐based fire management.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».