Can we detect ecosystem critical transitions and signals of changing resilience from paleo‐ecological records?
Notice bibliographique
Résumé
Abstract Nonlinear responses to changing external pressures are increasingly studied in real‐world ecosystems. However, as many of the changes observed by ecologists extend beyond the monitoring record, the occurrence of critical transitions, where the system is pushed from one equilibrium state to another, remains difficult to detect. Paleo‐ecological records thus represent a unique opportunity to expand our temporal perspective to consider regime shifts and critical transitions, and whether such events are the exception rather than the rule. Yet, sediment core records can be affected by their own biases, such as sediment mixing or compression, with unknown consequences for the statistics commonly used to assess regime shifts, resilience, or critical transitions. To address this shortcoming, we developed a protocol to simulate paleolimnological records undergoing regime shifts or critical transitions to alternate states and tested, using both simulated and real core records, how mixing and compression affected our ability to detect past abrupt shifts. The smoothing that is built into paleolimnological data sets apparently interfered with the signal of rolling window indicators, especially autocorrelation. We thus turned to time‐varying autoregressions (online dynamic linear models, DLMs; and time‐varying autoregressive state‐space models, TVARSS) to evaluate the possibility of detecting regime shifts and critical transitions in simulated and real core records. For the real cores, we examined both varved (annually laminated sediments) and non‐varved cores, as the former have limited mixing issues. Our results show that state‐space models can be used to detect regime shifts and critical transitions in some paleolimnological data, especially when the signal‐to‐noise ratio is strong. However, if the records are noisy, the online DLM and TVARSS have limitations for detecting critical transitions in sediment records.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».