Forest type drives the response of boreal forested peatlands to wildfire: a simulation study
Notice bibliographique
Résumé
Boreal black spruce forests contribute to climate change mitigation by accumulating large amounts of carbon (C) in moss-derived peat. When left undisturbed, a thick peat layer can inhibit tree growth, and this trade-off between peat and tree biomass can have implications on the forest C dynamics. Similarly, wildfire severity and frequency can modify C accumulation patterns, but this impact remains poorly documented. We used the Carbon Budget Model of the Canadian Forest Sector version 3 (CBM-CFS3) to explore over a 400-year simulation period, the effects of high-severity fire (HSF) and low-severity fire (LSF) on C dynamics of two forest types (black spruce–Sphagnum (BSSP) and black spruce–feathermoss (BSFM)). We found that total C stocks increased to higher levels after LSF than after HSF in BSSP due to peat accumulation. Conversely, in BSFM, HSF resulted in greater C storage than LSF due to tree biomass. The tree component is key to the rapid recovery of C pools in both BSSP and BSFM forests specifically after HSF, while mosses maintain C sinks over the long term. This study suggests that a good characterization of forest type is key to better predictions of the effects of a change in fire regime on ecosystem C dynamics.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».