Holocene Fire Regime Changes in the Southern Lake Baikal Region Influenced by Climate-Vegetation-Anthropogenic Activity Interactions
Notice bibliographique
Résumé
Catastrophic fire years that have taken place during the last decade in Siberia, and more generally within the boreal forest, have been directly linked to global warming and had strong repercussions on boreal ecosystems and human populations. In this context the study of the past dynamics of these fires is essential for understanding their links with climate, vegetation and human activity changes on longer time scales than the last few decades. However, few studies on fire dynamics are available for Siberia, and none have been conducted for the entire Holocene period. This study presents the first fire history reconstruction of this area during the Holocene based on charcoals sequestered in sediments of two lakes located on the southern shore of Lake Baikal, in Siberia. The results show a similar trend in the two lakes, with high frequency and high peak magnitude during the Early Holocene and low magnitudes after 6500 cal. yr BP. This difference is interpreted as crown fires versus surface fires. According to pollen records (Dulikha, Vydrino, Ochkovoe) available near the studied lakes, a vegetation transition occurred at the same time. Picea obovata, which has a tree structure prone to crown fires, was dominant during the Early humid Holocene. After 6500 cal. yr BP, conditions were drier and Pinus sylvestris and Pinus sibirica became the dominant species; their tree structure favors surface fires. In addition to vegetation dynamics, the nearby pollen sequence from Dulikha has been used to provide quantitative estimates of past climate, indicating an Early to Middle Holocene climatic optimum between 8000 and 5000 cal. yr BP and an increase in temperatures at the end of the Holocene. These results have been compared to outputs from regional climate models for the Lake Baikal latitudes. Fire dynamics appear to have been more linked to the vegetation than climatic conditions. Over the past 1500 years, the greater presence of human populations has firstly resulted in an increase in the fire frequency, then in its maintenance and finally in its suppression, which may possibly have been due to very recent fire management, i.e., after ca 500 cal. BP.
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 | 0,000 |
| 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 ».