Species' intrinsic traits inform their range limitations and vulnerability under environmental change
Notice bibliographique
Résumé
Abstract Aim Understanding the factors that govern species' geographical ranges is of utmost importance for predicting potential range shifts triggered by environmental change. Species ranges are partially limited by their tolerances to extrinsic environmental conditions such as climate and habitat. However, they are also determined by the capacity of species to disperse, establish new populations and proliferate, which are in turn dependent on species intrinsic life‐history traits. So far, the contribution of intrinsic factors driving species distributions has been inconclusive, largely because intrinsic and extrinsic factors have not been examined simultaneously in a satisfactory way. We investigate how geographical ranges of plants are determined by both extrinsic environmental factors and species intrinsic life‐history traits. Location E urope. Methods We compiled a database on plant geographical ranges, environmental tolerances and life‐history traits that constitutes the largest dataset analysed to date (1276 species). We used generalized linear modelling to test if range size and range filling (the proportion of climatically suitable area a species occupies) are affected by dispersal distance, habitat breadth and 10 life‐history traits related to establishment and proliferation. Results The species characteristics that were most linked to range limitations of E uropean plant species were dispersal potential, seed bank persistence and habitat breadth (which together explained ≥ 30% of deviance in range filling and range size). Specific leaf area, which has been linked to establishment ability, made a smaller contribution to native range limitations. Main conclusions Our results can be used to improve estimates of extinction vulnerability under climate change. Species with high dispersal capacity, that can maintain viable seed banks for several years and that can live in an intermediate number of habitats have the fewest non‐climatic limitations on their ranges, and are most likely to shift their geographical ranges under climate change. We suggest that climate‐change risk assessments should not focus exclusively on dispersal capacity.
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) | 0,002 | 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 ».