Spatial heterogeneity in soil pyrogenic carbon mediates tree growth and physiology following wildfire
Notice bibliographique
Résumé
Pyrogenic carbon (PyC) is a ubiquitous legacy of wildfire in terrestrial soils, yet how it affects the growth and function of regenerating plants has received little research attention. We examined responses to a natural gradient of PyC deposition five years following a severe fire in a northern boreal forest, based on measurements of growth (height, basal area increment, and leader extension), physiological performance (Fv/Fm), and foliar nutrition (foliar C, N, P, K, Mg) of Pinus banksiana Lamb. We determined the concentration of PyC, expressed as a dosage (t·ha-1), in mineral soils collected from the rhizospheres of each sapling and used it as an independent factor to model trait responses to increasing PyC levels, in conjunction with measurements of soil physio-chemical properties (pH, EC, VOC, Ash, N, P, K, Ca, and Mg). Quantification and spatial analysis of PyC reveals heterogeneous deposition across the landscape with fine-grained patchiness at scales <0.5 m. In response to this heterogeneity, phenotypic and nutritional adjustments followed dose-dependent response patterns. Beneficial effects of PyC on sapling growth occurred to an optimum point of ~30-60 t·ha-1, while declining patterns were found for trees in dosages exceeding 100 t·ha-1. Some traits were positively and negatively related to soil K and N, respectively, and shared strong negative associations with soil pH and volatile matter. Synthesis. This study supports the longstanding hypothesis that soil PyC enhances growth and physiological function of fire-adapted plants, but indicates that responses are highly dosage-dependent, with natural levels of PyC deposition commonly exceeding an optimum point. These results also suggest that the main mechanisms for observed responses to PyC include: i) enhanced supply of base cations, ii) immobilization of N, and iii) pronounced liming. Future changes in climate are expected to increase fire frequency, particularly in circumpolar boreal forests. We predict shifts in PyC to frequently exceed the threshold resulting in reduced plant growth and ultimately ecosystem productivity.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».