Exploring the impacts of unprecedented climate extremes on forest ecosystems: hypotheses to guide modeling and experimental studies
Notice bibliographique
Résumé
Climatic extreme events are expected to occur more frequently and potentially be stronger in the future, increasing the likelihood of unprecedented climate extremes (UCEs), or record-breaking events such as prolonged droughts, to occur. To prepare for UCEs and their impacts, we need to develop a better understanding of terrestrial ecosystem responses to events such as extreme drought. We know that intense, extreme droughts can substantially affect ecosystem stability and carbon cycling through increased plant mortality and delaying ecosystem recovery. Our ability to predict such effects is limited due to the lack of experiments focusing on climatic excursions beyond the range of historical experience. We explore the response of forest ecosystems to UCEs using two dynamic vegetation demographic models (VDMs), ED2 and LPJ-GUESS, in which the abundances of different plant functional types, as well as tree size- and age-class structure, are emergent properties of resource competition. We investigate the hypothesis that ecosystem responses to UCEs (e.g., unprecedented droughts) cannot be extrapolated from ecosystem responses to milder extremes, as a result of non-linear ecosystem responses (e.g. due to plant plasticity, functional diversity, and trait combinations). We evaluate each model’s mechanisms and state variables prior, during, and after a continuum of drought intensities ultimately reaching very extreme drought scenarios (i.e., 0% to 100% reduction in precipitation for drought durations of 1-year, 2-year, and 4-year scenarios) at two dry forested sites: Palo Verde, Costa Rica (i.e. tropical) and EucFACE, Australia (i.e. temperate). Both models produce nonlinear responses to these UCEs. Due to differences in model structure and process representation, the model’s sensitivity of biomass loss diverged based on either duration or intensity of droughts, as well as different model responses at each site. Biomass losses in ED2 are sensitive to drought duration, while in LPJ-GUESS they are mainly driven by drought intensity. Elevated atmospheric CO2 concentrations alone did not buffer the ecosystems from carbon losses during UCEs in the majority of our simulations. Our findings highlight discrepancies in process formulations and uncertainties in models, notably related to availability in plant carbohydrate storage and the diversity of plant hydraulic schemes. This shows that different hypotheses of plant responses to UCEs exist in two similar models, reflecting knowledge gaps, which should be tested with gap-informed field experiments. This iterative modeling-experiment framework would help improve predictions of terrestrial ecosystem responses and climate feedbacks.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».