Spectral remote sensing reveals forest structural characteristics resilient to spruce budworm infestations
Notice bibliographique
Résumé
• Spectral indexes derived from Landsat can capture forest resilience to infestations. • Pre-disturbance forest structure modulates resilience to spruce budworm infestations. • Infestation impact is lower in shorter, sparser, and lower basal area stands. • Recover is faster in greenness, followed by structure and vegetation water content. • Resilience quantification can be operationalized to inform management strategies. Forests are increasingly influence by natural disturbance, which are intensifying under climate change, threatening the sustainability of natural resources. Resilience is a central component in these dynamics, defined as the ability of forests to recover from a disturbance and return to a pre-disturbed state. Recent conceptual frameworks describe resilience as a combination of disturbance impact and recovery rate offering a more unified and quantitative approach. However, these frameworks often do not consider how forest characteristics and their spatio-temporal variability shape resilience outcomes. In this study, we leveraged three decades of Landsat time series data to quantify forest resilience to spruce budworm (SBW) infestations, a major defoliator of fir and spruce forests in Quebec, Canada. We applied a two-stage clustering analysis to investigate how pre-disturbance forest structures, including canopy height, cover, basal area, cumulative defoliation severity, and age influence resilience. Resilience was quantified via impact and recovery rate of three key spectral indexes: Green Normalized Vegetation Index (GNDVI, greenness), Moisture Stress Index (MSI, vegetation water content), and Normalized Burn Ratio (NBR, structural characteristics) following the 2006 outbreak. Our results revealed that stands with lower basal area, sparser, and shorter canopies were more resilience to SBW over time. Greenness recovered most rapidly, followed by structural development and vegetation water content. Ultimately, stands showed greater resilient in greenness and structural development than vegetation water content throughout the infestation. These findings advance empirical understanding of forest resilience and can inform management strategies to maintain and enhance Canada’s boreal forest resilience to increasing SBW pressure.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 0,001 |
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 tête enseignante, 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 ».