Long‐term drivers of forest composition in a boreonemoral region: the relative importance of climate and human impact
Notice bibliographique
Résumé
Abstract Aim To assess statistically the relative importance of climate and human impact on forest composition in the late Holocene. Location Estonia, boreonemoral Europe. Methods Data on forest composition (10 most abundant tree and shrub taxa) for the late Holocene (5100–50 calibrated years before 1950) were derived from 18 pollen records and then transformed into land‐cover estimates using the REVEALS vegetation reconstruction model. Human impact was quantified with palaeoecological estimates of openness, frequencies of hemerophilous pollen types (taxa growing in habitats influenced by human activities) and microscopic charcoal particles. Climate data generated with the ECB ilt‐ CLIO ‐ VECODE climate model provided summer and winter temperature data. The modelled data were supported by sedimentary stable oxygen isotope (δ 18 O) records. Redundancy analysis ( RDA ), variation partitioning and linear mixed effects ( LME ) models were applied for statistical analyses. Results Both climate and human impact were statistically significant predictors of forest compositional change during the late Holocene. While climate exerted a dominant influence on forest composition in the beginning of the study period, human impact was the strongest driver of forest composition change in the middle of the study period, c . 4000–2000 years ago, when permanent agriculture became established and expanded. The late Holocene cooling negatively affected populations of nemoral deciduous taxa ( Tilia , Corylus , Ulmus , Quercus , Alnus and Fraxinus ), allowing boreal taxa ( Betula , Salix , Picea and Pinus ) to succeed. Whereas human impact has favoured populations of early‐successional taxa that colonize abandoned agricultural fields ( Betula , Salix, Alnus ) or that can grow on less fertile soils ( Pinus ), it has limited taxa such as Picea that tend to grow on more mesic and fertile soils. Main conclusions Combining palaeoecological and palaeoclimatological data from multiple sources facilitates quantitative characterization of factors driving forest composition dynamics on millennial time‐scales. Our results suggest that in addition to the climatic influence on forest composition, the relative abundance of individual forest taxa has been significantly influenced by human impact over the last four millennia.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».