Soil toposequences, soil erosion, and ancient Maya land use adaptations to pedodiversity in the tropical karstic landscapes of southern Mexico
Notice bibliographique
Résumé
The soil mantle of the tropical karst landscapes of southern Mexico was a key resource for ancient Maya agriculture and experienced deep transformation due to long-term human impacts under changing environmental conditions. We conducted a comparative analysis of three compound soil toposequences in mountainous (Sierra de Chiapas/Middle Usumacinta Valley, Busiljá, and Chinikihá archaeological sites) and platform (NE Yucatán Peninsula, Yalahau region) karst landscapes to reconstruct general tendencies and regional variations in pedodiversity development and soil–human interactions since the Early Preclassic Period. Toposequence characterization is based on macro- and micromorphological observations, accompanied by a suite of laboratory data. Calcareous upland geoforms of all toposequences have similar soil combinations consisting of shallow Rendzina and deep red clayey Terra Rossa types of profiles. We argue that Rendzinas, now dominant in the upland soil cover, in most cases, are not a product of incipient pedogenesis on limestone; they have developed from the residues of Terra Rossa soils after their advanced erosion. Pedosediments generated by ancient soil erosion have been found in the piedmont and depression positions in the mountainous landscapes of Chiapas, as a result of lateral downslope soil removal, and in the subsurface karstic cavities in the platform of NE Yucatán, indicating vertical “soil piping.” The soils of the lowland domains show contrasting differences between the toposequences: gleyic clay–rich soils and humic alluvial soils prevail in Chinikihá and Busiljá, whereas hydromorphic carbonate soils have formed in Yalahau karstic depressions. These differences in the lowland soil properties led to divergent ancient Maya land use strategies; in Chinikihá and Busiljá, the major agricultural domain was developed in the lowlands, implying largescale artificial drainage. On the contrary, in Yalahau, mostly upland Rendzinas were cultivated, implying “precision agriculture” and “container gardening.”
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 | 0,002 |
| 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 ».