Interspecific Responses to Fire in a Mixed Forest Reveal Differences in Seasonal Growth
Notice bibliographique
Résumé
Despite recurring episodes of fire exacerbated by climate change, post-fire dynamics in trees remain to be fully understood. In a mixed forest in northern Mexico that experiences frequent fires, we aimed to determine how tree growth responds to surface fire by examining earlywood (EW) and latewood (LW) responsiveness, as well as their connection with canopy activity, using UAV-acquired NDVI data. We compared EW and LW growth from mini cores of burned and unburned trees (n = 100) across four species, correlating this with NDVI data from 33 UAV monthly flights at the individual tree level from 2021 to 2023. Our results identified Quercus durifolia Seemen as the species that presented the highest growth following exposure to surface fire. Arbutus arizonica (A. Gray) Sarg. was the species most affected by fire in terms of EW production immediately after burning but showed benefits in subsequent summers. Juniperus deppeana Steud. demonstrated adaptive plasticity by responding more quickly to fire, with notable growth in EW. Pinus engelmannii Carrière responded in 2023, and its NDVI was associated to the least extent with seasonal growth. Thus, there is an evident seasonal response in trees subjected to low-intensity fire, which can act to shape the stand habitat. However, there is a divergence in response between broadleaf and evergreen species that could be attributed to fire-adaptive traits and hydraulic strategies. Although combining the tree-ring data with the NDVI served to improve our understanding of the effects of fire, further research is required.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».