A multi-model analysis of risk of ecosystem shifts under climate change
Notice bibliographique
Résumé
Climate change may pose a high risk of change to Earth’s ecosystems: shifting climatic boundaries may induce changes in the biogeochemical functioning and structures of ecosystems that render it difficult for endemic plant and animal species to survive in their current habitats. Here we aggregate changes in the biogeochemical ecosystem state as a proxy for the risk of these shifts at different levels of global warming. Estimates are based on simulations from seven global vegetation models (GVMs) driven by future climate scenarios, allowing for a quantification of the related uncertainties. 5–19% of the naturally vegetated land surface is projected to be at risk of severe ecosystem change at 2 C of global warming (1GMT) above 1980–2010 levels. However, there is limited agreement across the models about which geographical regions face the highest risk of change. The extent of regions at risk of severe ecosystem change is projected to rise with 1GMT, approximately doubling between 1GMT D 2 and 3 C, and reaching a median value of 35% of the naturally vegetated land surface for 1GMT D 4 C. The regions projected to face the highest risk of severe ecosystem changes above 1GMT D 4 C or earlier include the tundra and shrublands of the Tibetan Plateau, grasslands of eastern India, the boreal forests of northern Canada and Russia, the savanna region in the Horn of Africa, and the Amazon rainforest.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».