Sexual and vegetative recruitment of trembling aspen following a high-severity boreal wildfire
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.
Notice bibliographique
Résumé
Abstract Background High-severity fire is rare in trembling aspen-dominated forests of the boreal region. The post-fire recruitment strategy of aspen, by either vegetative suckering or sexually (i.e., by seed), has considerable implications for subsequent forest structure, genetic diversity, and ecological resilience to shifting climatic and disturbance regimes. In this study, we take advantage of the unique opportunity provided by the Chuckegg Creek Wildfire Fire (310,000 ha) in northern Alberta, Canada, which burned at high severity through aspen stands before and after spring green-up, to document how phenology, fire severity, and stand characteristics affect recruitment one year following the fire. Results We found sites were dominated either by high-density patches of seedlings or a fairly uniform density of suckers, with few sites occupied by both. Sites dominated by seedlings burned predominantly after green-up. Using boosted regression trees, we found that surface fire severity best predicted both aspen seedling and sucker density at sites. Seedlings were favoured at sites that burned at high surface severity and after spring green-up, whereas suckering density was highest at sites that burned at moderate-high surface severity before green-up. Conclusion Our research highlights the influence of surface fire severity and phenology on aspen recruitment. High fire severity, particularly after aspen green-up, reduced suckering while promoting seedling recruitment. Aspen seedlings filled the recruitment gap caused by this lowered, suckering response, providing an alternate route for aspen forest adaptive capacity after high-severity surface fire.
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 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 | 0,000 |
| 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 découle