Post-fire structural forest recovery associated with climate extremes in dry sub-boreal forests
Notice bibliographique
Résumé
Context: Recent large and high-severity wildfires have burned vast areas of coniferous forests throughout Western North America. These burned landscapes are recovering amid increasingly frequent climate extremes, such as drought. We need to understand how post-fire climate extremes and other ecological drivers (such as fire impacts) influence patterns and trends of coniferous recovery. Objectives: We worked at a landscape scale (> 400,000 hectares) to investigate the association between distinct post-fire forest recovery and ecological drivers in dry sub-boreal forests. We created structural recovery groups distinct in patterns and trends of coniferous cover and density and then modeled their association with ecological drivers. Methods: We used Landsat time-series data to identify unique spectral recovery, which we grouped based on post-fire regrowth and stocking estimates. Remotely Piloted Aircraft light detection and ranging (lidar) provided structural estimates 5-21 years post-fire. We modeled the association between structural recovery groups and ecological drivers with random forests. For each category of drivers (site conditions, climate, climate anomalies, pre-fire composition, and fire impacts), we used individual models to identify important drivers. We then incorporated the most important drivers in a global model to highlight the drivers that were important across categories. Results: Initial spectral trends indicated longer-term differences in structural forest recovery. Climate anomalies (such as post-fire extremes in temperature and precipitation) and pre-fire basal area best predicted observed structural groupings-abnormally cold and dry summers after the fire were associated with slow conifer establishment. Comparatively, areas with a higher pre-fire basal area maintained a mixed canopy of deciduous and coniferous stems. Conclusions: At a landscape scale, post-fire climate conditions best predicted structural forest recovery, suggesting management plans should be adaptable to the conditions experienced post fire. Supplementary Information: The online version contains supplementary material available at 10.1007/s10980-025-02266-y.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».