Lakes cannot burn and buried charcoals cannot fly: Reconciling lake- versus soil-based reconstructions of past forest dynamics
Notice bibliographique
Résumé
Fundamental understanding of paleoecological proxies is necessary when attempting to compare, complement, or contrast two or more methods, and lack thereof may lead to erroneous conclusions. This comment addresses three such misunderstandings found in a recently published paper by Paillard et al. regarding soil macrofossil charcoal analysis (SMCA) and its relationship to lacustrine sediment analysis. The aim is to correct some misinformation associated with the following three assertions: (1) Broadleaved tree species produce fewer charcoal fragments than coniferous species. Although coniferous stands are more fire-prone, experimental burning shows that species with denser wood, that is, broadleaves, produce greater amounts of charcoal under similar fire conditions. (2) Preservation of charcoal particles is poor at the referenced study site. Once buried in the mineral soil compartment, charcoal particles remain quite stable. As such, SMCA has revealed Late Pleistocene marginal stands of broadleaved species. (3) Underestimating the importance of range-edge dynamics on the results of SMCA reconstructions. SMCA offers a stand-scale historical reconstruction that has proven well-suited to study peripheral stands and to reflect the heterogeneity of a landscape mosaic. By attempting to reconcile the SMCA (in situ) and lake sediments (ex situ) narratives, Paillard et al. missed one key aspect of comparing complementary proxies: they show different aspects of the past.
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 | 0,001 | 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 ».