Modeled Seed Accumulation Patterns Explain Spatial Heterogeneity of Shrub Recruitment Within the Taiga‐Tundra Ecotone
Notice bibliographique
Résumé
Abstract Arctic shrub productivity trends display variability at multiple spatial scales. Fine‐scale studies have generally observed the greatest shrub expansion in landscape positions that accumulate water and nutrients. While considerable work has focused on the mediating effect of these resources on growth responses to warming, less is known about the mechanisms constraining recruitment‐driven expansion. Given the low seed viability of many Arctic shrubs, spatial patterns of seed dispersal may play an important role in constraining fine‐scale variability of shrub recruitment. This variability may also be driven by ground cover suitability, though these relationships are understudied in undisturbed sites. Here, we developed models representing seed accumulation mechanisms around Alnus alnobetula (green alder) patches within the taiga‐tundra ecotone of the Northwest Territories and compared these with observations of seed and seedling density. We also investigated relationships between seedling abundance, topographic position, and ground cover. Observed patterns of recruitment were complex, with preferential expansion occurring beneath alder patches only on the steepest slopes. Seed accumulation models representing overland flow, wind, and source distance were important predictors of seedling recruitment. This provides indirect evidence of localized seed limitation around patches, suggesting future recruitment may not respond as expected to changing environmental conditions. Sphagnum cover also predicted recruitment, indicating the importance of seedbed conditions for establishment. We propose that developing models of shrub expansion that include both dispersal and environmental constraints may increase our ability to predict patterns and rates of expansion. Such predictions are necessary to understand future biosphere‐atmosphere interactions in a rapidly changing Arctic.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».