Burn severity modifies the impact of salvage logging on post-wildfire natural regeneration of Douglas-fir in interior British Columbia
Notice bibliographique
Résumé
1. Exacerbated by climate change, wildfires in British Columbia, Canada, have increased in extent and severity, impacting forests, including commercially valuable species like interior Douglas-fir ( Pseudotsuga menziesii var. glauca ). Post-wildfire salvage logging aims to mitigate financial losses and accelerate regeneration, though its ecological impacts remain uncertain. 2. This study was conducted in the Alex Fraser Research Forest, where a 2017 wildfire burned approximately 1000 ha. Combined with 2023 seedling biomass and %N measurements, we used linear mixed-effects models to examine the physiological responses of regenerating interior Douglas-fir seedlings to burn severity and salvage logging, using carbon, nitrogen, and oxygen stable isotope analyses (δ 13 C, δ 15 N, and δ 18 O) to assess water-use efficiency (WUE i ), photosynthesis, water stress, and nitrogen cycling post-disturbance. 3. Higher seedling biomass was found in high-severity, not-salvaged sites. Moderate-severity, not-salvaged sites had lower δ 13 C and δ 18 O values compared to high-severity (salvaged and not-salvaged) and moderates-severity, salvaged sites. Higher leaf %N was positively correlated with δ 13 C values across treatments, indicating enhanced water-use efficiency. 4. The statistically significant interactions between burn severity and salvage logging and their influence on seedling biomass, δ 13 C, and δ 18 O emphasize the key role of microclimatic conditions in post-fire recovery. In high-severity sites, salvage logging did not enhance seedling biomass, likely due to already sufficient light availability. In moderate-severity sites, salvage logging had small, positive effects on seedling biomass that were not statistically significant. Higher leaf nitrogen content appeared to boost WUE i across treatments. These findings support tailoring post-wildfire management to burn severity, with minimal intervention in high-severity areas and selective salvage in moderate-severity sites. • Douglas-fir seedling recovery varies with burn severity and salvage logging. • Salvage logging lowers biomass in high severity sites with already sufficient light. • Water stress increases with severity and salvage, yet biomass remains high. • Higher %N is linked to improved water-use efficiency in seedlings. • Findings support adaptive, severity-based post-wildfire management.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».