The transient response of ecosystems to climate change is amplified by trophic interactions
Notice bibliographique
Résumé
Studies of ecosystem responses to climate change often focus on potential equilibria in species or community distributions, overlooking the transitions to new equilibrium states. Transient phases can however last for decades or centuries, during which both demography and interspecific interactions are expected to play a crucial role. Here, we investigate the response of vegetation to climate warming at high latitudes involving a shift from open vegetation to either boreal (mainly coniferous) or temperate (mainly deciduous) forests. We specifically address how interactions among browsers and vegetation could affect the shift in dominance of vegetation type after climate warming. We characterize the transient dynamics using five measures: 1) asymptotic resilience, i.e. the rate at which equilibrium is restored, 2) initial resilience, the short‐term rate of change of the ecosystem after climate change, 3) ecosystem exposure, i.e. the shift of the equilibrium due to climate change, 4) sensitivity, or the time to recover equilibrium, and 5) vulnerability, measured as the cumulative amount of changes in vegetation states during the transient phase. We find that plant–herbivore interactions usually extend the length of the transient period and induce more cumulative changes in vegetation types. This result implies that the consideration of multiple interacting species is necessary to provide robust scenarios of how ecosystems will respond to global changes. We furthermore show that plant–herbivore interactions disrupt the correlation between the five measures characterizing the transient dynamics, highlighting the need for a full multidimensional characterization of transients.
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) | 0,000 | 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 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 ».