MétaCan
Menu
Retour à la cohorte
Enregistrement W4407707538 · doi:10.1016/j.ecolind.2025.113076

An ecosystem resilience index that integrates measures of vegetation function, structure, and composition

2025· article· en· W4407707538 sur OpenAlex
Marie Johnson, Ashley P. Ballantyne, Jon Graham, Zachary A. Holden, Zachary Hoylman, Kelsey Jensco, David Ketchum, John S. Kimball, Jessica Mitchell

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueEcological Indicators · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesNational Aeronautics and Space Administration
Mots-clésResilience (materials science)Index (typography)EcosystemVegetation (pathology)Composition (language)Environmental scienceFunction (biology)Vegetation IndexEcologyEnvironmental resource managementComputer scienceLeaf area indexNormalized Difference Vegetation IndexBiology

Résumé

récupéré en direct d'OpenAlex

As ecosystem disturbances increase due to human induced global change, accurately quantifying ecosystem resilience has never been more critical. This study introduces a spatially explicit Ecosystem Resilience Index (ERI), that integrates vegetation function, structure, and composition recovery metrics. We provide proof-of-concept for this index by applying it to a wildfire in northwestern Montana by leveraging novel and existing remote sensing datasets to evaluate ecosystem resilience and environmental drivers. First, we independently assessed each metric of ecosystem recovery, and examined how each recovery metric was influenced by abiotic and biotic environmental drivers. We found that ecosystem structure, as estimated by canopy height, showed the highest level of recovery (62 %), followed by composition as measured by relative vegetation abundance (60 %) and function as measured by primary productivity (35 %) over 17 years. Our study revealed that each ecosystem recovery metric is influenced by distinct environmental drivers. Specifically, structural recovery was strongly predicted by distance to seed source, and solar radiation. Compositional recovery was predominantly driven by solar radiation and available soil water capacity. Lastly, burn severity and the terrain ruggedness index were the primary drivers of functional recovery. Finally, we synthesized each ecosystem recovery metric into our ERI, revealing that the overall resilience in our study domain was 54 %. Our estimated ERI rate of 3 %/yr indicates that this forested ecosystem located within the Western Canadian Rockies Ecoregion remains resilient compared to its historical fire return interval of 120 years would yield a 100 % ERI. ERI was driven by solar radiation, distance to seed source, and burn severity. Our findings illustrate that different ecosystem recovery metrics may not provide similar estimates of ecosystem resilience and that recovery metrics may be sensitive to different environmental drivers. Thus an index that incorporates multiple recovery metrics provides a more comprehensive understanding of ecosystem resilience.

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.

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 enseignants0,006
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,224
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