There’s a storm a‐coming: Ecological resilience and resistance to extreme weather events
Notice bibliographique
Résumé
Extreme weather events (EWEs) are expected to increase in stochasticity, frequency, and intensity due to climate change. Documented effects of EWEs, such as droughts, hurricanes, and temperature extremes, range from shifting community stable states to species extirpations. To date, little attention has been paid to how populations resist and/or recover from EWEs through compensatory (behavioral, demographic, or physiological) mechanisms; limiting the capacity to predict species responses to future changes in EWEs. Here, we systematically reviewed the global variation in species' demographic responses, resistance to, and recovery from EWEs across weather types, species, and biogeographic regions. Through a literature review and meta-analysis, we tested the prediction that population abundance and probability of persistence will decrease in populations after an EWE and how compensation affects that probability. Across 524 species population responses to EWEs reviewed (27 articles), we noted large variation in responses, such that, on average, the effect of EWEs on population demographics was not negative as predicted. The majority of species populations (80.4%) demonstrated compensatory mechanisms during events to reduce their deleterious effects. However, for populations that were negatively impacted, the demographic consequences were severe. Nearly 20% of the populations monitored experienced declines of over 50% after an EWE, and 6.8% of populations were extirpated. Population declines were reflected in a reduction in survival. Further, resilience was not common, as 80.0% of populations that declined did not recover to before EWE levels while monitored. However, average monitoring time was only two years with over a quarter of studies tracking recovery for less than the study species generation time. We conclude that EWEs have positive and negative impacts on species demography, and this varies by taxa. Species population recovery over short-time intervals is rare, but long-term studies are required to accurately assess species resilience to current and future 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) | 0,000 | 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) | 0,008 | 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 ».