A scenario for impacts of water availability loss due to climate change on riverine fish extinction rates
Notice bibliographique
Résumé
Summary Current models estimating impact of habitat loss on biodiversity in the face of global climate change usually project only percentages of species ‘committed to extinction’ on an uncertain time‐scale. Here, we show that this limitation can be overcome using an empirically derived ‘background extinction rate–area’ curve to estimate natural rates and project future rates of freshwater fish extinction following variations in river drainage area resulting from global climate change. Based on future climatic projections, we quantify future active drainage basin area losses and combine them with the extinction rate–area curve to estimate the future change in extinction rate for each river basin. We then project the number of extinct species in each river basin using a global data base of freshwater fish species richness. The median projected extinction rate owing to climate change conditions is c . 7% higher than the median background extinction rate. A closer look at the pattern reveals great geographical variations highlighting an amplification of aridity by 2090 and subsequent increase in extinction rates in presently semi‐arid and Mediterranean regions. Among the 10% most‐impacted drainage basins, water availability loss will increase background extinction rates by 18·2 times (median value). Projected numbers of extinct species by 2090 show that only 20 river basins among the 1010 analysed would experience fish species extinctions attributable to water availability loss from climate change. Predicted numbers of extinct species for these rivers range from 1 to 5. Synthesis and applications . Our results strongly contrast with previous alarming predictions of huge surface‐dependent climate change–driven extinctions for riverine fishes and other taxonomic groups. Furthermore, based on well‐documented fish extinctions from Central and North American drainages over the last century, we also show that recent extinction rates are, on average, 130 times greater than our projected extinction rates from climate change. This last result implies that current anthropogenic threats generate extinction rates in rivers far greater than the ones expected from future water availability loss. We thus argue that conservation actions should be preferentially focused on reducing the impacts of present‐day anthropogenic drivers of riverine fish extinctions.
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 | 0,000 |
| 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) | 0,003 | 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 ».