Impacts of global change on species distributions: obstacles and solutions to integrate climate and land use
Notice bibliographique
Résumé
Abstract Aim The impact of multiple stressors on biodiversity is one of the most pressing questions in ecology and biodiversity conservation. Here we critically assess how often and efficiently two main drivers of global change have been simultaneously integrated into research, with the aim of providing practical solutions for better integration in the future. We focus on the integration of climate change (CC) and land‐use change (LUC) when studying changes in species distributions. Location Global. Methods We analysed the peer‐reviewed literature on the effects of CC and LUC on observed changes in species distributions, i.e. including species range and abundance, between 2000 and 2014. Results Studies integrating CC and LUC remain extremely scarce, which hampers our ability to develop appropriate conservation strategies. The lack of CC–LUC integration is likely to be a result of insufficient recognition of the co‐occurrence of CC and LUC at all scales, covariation and interactions between CC and LUC, as well as correlations between species thermal and habitat requirements. Practical guidelines for the study of these interactive effects include considering multiple drivers and processes when designing studies, using available long‐term datasets on multiple drivers, revisiting single‐driver studies with additional drivers or conducting comparative studies and meta‐analyses. Combining various methodological approaches, including time lags and adaptation processes, represent further avenues to improve global change science. Main conclusions Despite repeated claims for a better integration of multiple drivers, the effects of CC and LUC on species distributions and abundances have been mostly studied in isolation, which calls for a shift of standards towards more integrative global change science. The guidelines proposed here will encourage study designs that account for multiple drivers and improve our understanding of synergies or antagonisms among drivers.
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 | 0,082 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,008 | 0,014 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».