Combining US and Canadian forest inventories to assess habitat suitability and migration potential of 25 tree species under climate change
Notice bibliographique
Résumé
Abstract Aim To evaluate current and future dynamics of 25 tree species spanning United States and Canada. Location United States and Canada. Methods We combine, for the first time, the species compositions from relative importance derived from the USA’s Forest Inventory Analysis (FIA) with gridded estimates based on Canada's National Forest Inventory (NFI‐kNN))‐based photo plot data to evaluate future habitats and colonization potentials for 25 tree species. Using 21 climatic variables under RCP 4.5 and RCP 8.5, we model climatic habitat suitability (HQ) within a consensus‐based multimodel ensemble regression approach. A migration model is used to assess colonization likelihoods (CL) for ~100 years and combined with HQ to evaluate the various combinations of HQ + CL outcomes for the 25 species. Results At a continental scale, many species in the conterminous United States lose suitable climatic habitat (especially under RCP 8.5) while Canada and USA’s Alaska gain climate habitat. For most species, even under optimistic migration rates, only a small portion of overall future suitable habitat is projected to be naturally colonized in ~100 years, although considerable variation exists among species. Main conclusions For the species examined here, habitat losses were primarily experienced along southern range limits, while habitat gains were associated with northern range limits (especially under RCP 8.5). However, for many species, southern range limits are projected to remain relatively intact, albeit with reduced habitat quality. Our models predict that only a small portion of the climatic habitat generated by climate change will be colonized naturally by the end of the current century—even with optimistic tree migration rates. However, considerable variation among species points to the need for significant management efforts, including assisted migration, for economic or ecological reasons. Our work highlights the need to employ range‐wide data, evaluate colonization potentials and enhance cross‐border collaborations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 | 0,000 |
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 ».