Late Pleistocene montane forest fire return interval estimates from Mount Kenya
Notice bibliographique
Résumé
Abstract Past forest fire events and fire frequencies are reconstructed with sediment–charcoal records at lake catchment spatial scales. Few quantitative palaeofire analyses exist in tropical montane forests, where fire return intervals are long (decadal and centennial scales) because of the infrequency of fire weather and fuel conditions. Fire return intervals are a key characteristic of fire regimes and changing fire frequencies rapidly alter land cover compositions and vegetation structure. Charcoal records from small lakes with relatively small catchments covered with dense forest provide an opportunity to reconstruct low‐frequency, high‐severity fires through a time series decomposition approach to identify charcoal peaks above a varying background rate as a proxy for palaeofire events. The sediment core from Rumuiku wetland on Mount Kenya, equatorial eastern Africa, accumulated a nearly linear age–depth model and provided a high temporal resolution (10 years cm –1 ) sieved charcoal count record (>125 µm). Pollen analysis showed a significant change in montane forest assemblage occurred at 21 200 cal a bp from a montane forest with abundant Podocarpus and Juniperus to a forest with more abundant Hagenia . This change in forest altered the vegetation composition and structure with concomitant changes to the fire regime. Forest biomass in the Hagenia forests decreased and it is likely that fire activity qualitatively changed toward lower intensity and lower severity fires. The quantitative fire event reconstruction focuses on the interval from 27 000 to 16 500 cal a bp and the older montane forest that experienced higher severity fires from 27 000 to 21 200 cal a bp, which reconstructed a temporally heterogeneous fire regime with fire return intervals that ranged from 30–430 years and a mean of 120 years (median 160 years) in the catchment. These are the first estimates of fire return intervals of mountain forests in eastern Africa. We then explore the potential for further comparative research and incremental research contributions to improve quantitative and qualitative palaeofire research in tropical forest ecosystems. We discuss the potential to use these types of data for characterizing variables of fire regimes prior to ostensibly significant modification by anthropogenic activity as well as during the recent past as human land use pressures increased within Afromontane forests.
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 | 0,002 | 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 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 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 ».