Climate change impacts on selected global rangeland ecosystem services
Notice bibliographique
Résumé
Abstract Rangelands are Earth's dominant land cover and are important providers of ecosystem services. Reliance on rangelands is projected to grow, thus understanding the sensitivity of rangelands to future climates is essential. We used a new ecosystem model of moderate complexity that allows, for the first time, to quantify global changes expected in rangelands under future climates. The mean global annual net primary production ( NPP ) may decline by 10 g C m −2 year −1 in 2050 under Representative Concentration Pathway ( RCP ) 8.5, but herbaceous NPP is projected to increase slightly (i.e., average of 3 g C m −2 year −1 ). Responses vary substantially from place‐to‐place, with large increases in annual productivity projected in northern regions (e.g., a 21% increase in productivity in the US and Canada) and large declines in western Africa (−46% in sub‐Saharan western Africa) and Australia (−17%). Soil organic carbon is projected to increase in Australia (9%), the Middle East (14%), and central Asia (16%) and decline in many African savannas (e.g., −18% in sub‐Saharan western Africa). Livestock are projected to decline 7.5 to 9.6%, an economic loss of from $9.7 to $12.6 billion. Our results suggest that forage production in Africa is sensitive to changes in climate, which will have substantial impacts on the livelihoods of the more than 180 million people who raise livestock on those rangelands. Our approach and the simulation tool presented here offer considerable potential for forecasting future conditions, highlight regions of concern, and support analyses where costs and benefits of adaptations and policies may be quantified. Otherwise, the technical options and policy and enabling environment that are needed to facilitate widespread adaptation may be very difficult to elucidate.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».