Global patterns and impacts of El Niño events on coral reefs: A meta-analysis
Notice bibliographique
Résumé
Impacts of global climate change on coral reefs are being amplified by pulse heat stress events, including El Niño, the warm phase of the El Niño Southern Oscillation (ENSO). Despite reports of extensive coral bleaching and up to 97% coral mortality induced by El Niño events, a quantitative synthesis of the nature, intensity, and drivers of El Niño and La Niña impacts on corals is lacking. Herein, we first present a global meta-analysis of studies quantifying the effects of El Niño/La Niña-warming on corals, surveying studies from both the primary literature and International Coral Reef Symposium (ICRS) Proceedings. Overall, the strongest signal for El Niño/La Niña-associated coral bleaching was long-term mean temperature; bleaching decreased with decreasing long-term mean temperature (n = 20 studies). Additionally, coral cover losses during El Niño/La Niña were shaped by localized maximum heat stress and long-term mean temperature (n = 28 studies). Second, we present a method for quantifying coral heat stress which, for any coral reef location in the world, allows extraction of remotely-sensed degree heating weeks (DHW) for any date (since 1982), quantification of the maximum DHW, and the time lag since the maximum DHW. Using this method, we show that the 2015/16 El Niño event instigated unprecedented global coral heat stress across the world's oceans. With El Niño events expected to increase in frequency and severity this century, it is imperative that we gain a clear understanding of how these thermal stress anomalies impact different coral species and coral reef regions. We therefore finish with recommendations for future coral bleaching studies that will foster improved syntheses, as well as predictive and adaptive capacity to extreme warming events.
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) | 0,003 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».