Traits to stay, traits to move: a review of functional traits to assess sensitivity and adaptive capacity of temperate and boreal trees to climate change
Notice bibliographique
Résumé
The integration of functional traits into vulnerability assessments is a promising approach to quantitatively capture differences in species sensitivity and adaptive capacity to climate change, allowing the refinement of tree species distribution models. In response to a clear need to identify traits that are responsive to climate change and applicable in a management context, we review the state of knowledge of the main mechanisms, and their associated traits, that underpin the ability of boreal and temperate tree species to persist and (or) shift their distribution in a changing climate. We aimed to determine whether current knowledge is sufficiently mature and available to be used effectively in vulnerability assessments. Marshalling recent conceptual advances and assessing data availability, our ultimate objective is to guide modellers and practitioners in finding and selecting sets of traits that can be used to capture differences in species’ ability to persist and migrate. While the physiological mechanisms that determine sensitivity to climate change are relatively well understood (e.g., drought-induced cavitation), many associated traits have not been systematically documented for North American trees and differences in methodology preclude their widespread integration into vulnerability assessments (e.g., xylem recovery capacity). In contrast, traits traditionally associated with the ability to migrate and withstand fire are generally well documented, but new key traits are emerging in the context of climate change that have not been as well characterized (e.g., age of optimum seed production). More generally, lack of knowledge surrounding the extent and patterns in intraspecific trait variation, as well as co-variation and interaction among traits, limit our ability to use this approach to assess tree adaptive capacity. We conclude by outlining research needs and potential strategies for the development of trait-based knowledge applicable in large-scale modelling efforts, sketching out important aspects of trait data organization that should be part of a coordinated effort by the forest science community.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».