Low-severity wildfire prevents catastrophic impacts on fungal communities and soil carbon stability in a fire-affected Douglas-fir ecosystem
Notice bibliographique
Résumé
The growing frequency, extent and severity of wildfire is destabilizing carbon sinks in western North America, underscoring an urgent need to better understand fire impacts on soil carbon stocks, carbon stability, and fungi that regulate soil carbon cycling. Here, we examined the effects of wildfire two years post-burn on soil carbon and fungal communities across a fire severity gradient in Douglas-fir forests in central British Columbia, Canada. We observed no significant differences in soil carbon or fungal community composition between low-severity and unburned stands. In contrast, high-severity wildfire resulted in a 49 % reduction in belowground carbon stocks (20.7 Mg C·ha −1 ), a 91 % decline in ectomycorrhizal fungi, 5- to 27-fold increases in pathogenic fungi, and a proliferation of pyrophilous taxa compared to unburned stands. Carbon was lost primarily as light particulate organic matter, whereas impacts to mineral-associated carbon were muted. Pyrogenic carbon preferentially associated with the mineral fraction, modestly increasing (∼0.15 Mg C·ha −1 ) the proportion of carbon resistant to decay in this stable fraction. Select helotialean (e.g. Phialocephala fortinii ) and other pyrophilous taxa were well-correlated with pyrogenic carbon, suggesting this consortium is well-adapted to decompose persistent carbon and will likely continue to mineralize soil carbon even after high severity wildfire. The markedly higher abundance of pathogenic fungi and reduced ectomycorrhizal abundance in stands affected by high-severity fires pose risks to post-fire recovery, particularly if pathogen proliferation reduces conifer fitness. These results highlight that low-severity wildfires have comparatively muted impacts on soil carbon and fungal communities relative to high-severity wildfires, underscoring the importance of management strategies such as thinning and prescribed burns to mitigate the catastrophic effects of high-severity wildfires.
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 | 0,001 | 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) | 0,000 | 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 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 ».