Productive yet wild: Reconciling timber harvesting and small mammal conservation via understory protection harvesting in managed boreal landscapes of Alberta, Canada
Notice bibliographique
Résumé
The intensification of forest management demands innovative strategies that reconcile timber production with biodiversity conservation. This study evaluates the ecological effectiveness of Understory Protection (UP) harvesting, a spatially explicit method designed to minimize understory conifer damage, compared to Natural Disturbance Harvesting (NDH), where such vegetation is typically lost. Using a randomized block design, we deployed motion-triggered camera traps at 57 blocks representing four forest treatments: NDH, Unharvested forest (OG), and two UP sub-treatments: structurally intact UP_Buffer and more exposed UP_Trail. NDH and UP_Trail treatments, characterized by reduced canopy cover, green tree basal area and elevated grass cover and shrub density, favored both early-seral specialist and generalists such as Sorex shrews , Peromyscus maniculatus, Zapus princeps, and Lepus americanus . In contrast, UP_Buffer and OG treatments, characterized by late-seral structural conditions, supported greater habitat use intensity and higher naïve occupancy by old forest specialists including Clethrionomys gapperi , Glaucomys sabrinus , and Tamiasciurus hudsonicus . Notably, Clethrionomys gapperi and Glaucomys sabrinus occurrence was insensitive to time since harvest, indicating structural retention, not stand age, was the key predictor of their presence in the range of conditions measured. These results suggest that UP harvesting supports a diverse small mammal assemblage by integrating complementary habitats (UP_Buffer and UP_Trail). Critically, the within-stand heterogeneity established by UP_Buffer accelerates ecological recovery toward old-growth conditions, rapidly providing habitat for old forest-associated species in managed boreal forests.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».