Bioclimate envelope model predictions for natural resource management: dealing with uncertainty
Notice bibliographique
Résumé
Summary 1. Bioclimate envelope models are widely used to predict the potential distribution of species under climate change, but they are conceptually also suitable to match policies and practices to anticipated or observed climate change, for example through species choice in reforestation. Projections of bioclimate envelope models, however, come with large uncertainties due to different climate change scenarios, modelling methods and other factors. 2 In this paper we present a novel approach to evaluate uncertainty in model‐based recommendations for natural resource management. Rather than evaluating variability in modelling results as a whole, we extract a particular statistic of interest from multiple model runs, e.g. species suitability for a particular reforestation site. Then, this statistic is subjected to analysis of variance, aiming to narrow the range of projections that practitioners need to consider. 3. In four case studies for western Canada we evaluate five sources of uncertainty with two to five treatment levels, including modelling methods, interpolation type for climate data, inclusion of topo‐edaphic variables, choice of general circulation models, and choice of emission scenarios. As dependent variables, we evaluate changes to tree species habitat and ecosystem distributions under 144 treatment combinations. 4. For these case studies, we find that the inclusion of topo‐edaphic variables as predictors reduces projected habitat shifts by a quarter, and general circulation models had major main effects. Our contrasting modelling approaches primarily contributed to uncertainty through interaction terms with climate change predictions, i.e. the methods behaved differently for particular climate change scenarios (e.g. warm & moist scenarios) but similar for others. 5. Synthesis and applications. Partitioning of variance components helps with the interpretation of modelling results and reveals how models can most efficiently be improved. Quantifying variance components for main effects and interactions among sources of uncertainty also offers researchers the opportunity to filter out biologically and statistically unreasonable modelling results, providing practitioners with an improved range of predictions for climate‐informed natural resource management.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».