Pivotal effect of early‐winter temperatures and snowfall on population growth of alpine<i>Parnassius smintheus</i>butterflies
Notice bibliographique
Résumé
Abstract Geographic range shifts in species’ distributions, due to climate change, imply altered dynamics at both their northern and southern range limits, or at upper and lower elevational limits. There is therefore a need to identify specific weather or climate variable(s), and life stages or cohorts on which they act, and how these affect population growth. Identifying such variables permits prediction of population increase or decline under a changing climate, and shifts in a species’ geographic range. For relatively well studied groups, such as butterflies, geographic range shifts are well documented, but weather variables and mechanisms causing those shifts are not well known. The Holarctic butterfly genus Parnassius (Papilionidae) inhabits northern and alpine environments subject to variable and extreme weather. As such, Parnassius species are vulnerable not only to long‐term changes in average conditions but especially to short‐term extreme weather events. We use population growth estimates for the alpine butterfly, Parnassius smintheus , from 21 populations in the Rocky Mountains of Canada over a 20‐yr interval combined with techniques of machine learning (randomForests) and parametric modeling to identify the important weather variables determining population growth. We do this to determine the seasons and life stages of P. smintheus most affected by climate change. Extreme minimum and maximum temperatures in November, in combination with November snowfall, affect annual population growth most, more so than do mean temperatures in November, and more so than weather at any other time of year. Populations decline both in years with low extreme minimum temperatures in November and especially in years with high extreme maximum temperatures in November, indicating that overwintering eggs are particularly vulnerable to early‐winter weather. Snowfall ameliorates the negative effects of extreme temperatures, particularly for extreme warm events. Results provide insight into biological mechanisms by which overwintering eggs might be affected by early winter weather. Short‐term extreme weather in November, acting on a single pivotal life stage (egg) is a far better predictor of population change of alpine P. smintheus butterflies than is the general index of climate, the Pacific Decadal Oscillation.
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 | 0,000 |
| 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) | 0,005 | 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 ».