Racing against change: understanding dispersal and persistence to improve species' conservation prospects
Notice bibliographique
Résumé
Climate change is contributing to the widespread redistribution, and increasingly the loss, of species. Geographical range shifts among many species were detected rapidly after predictions of the potential importance of climate change were specified 35 years ago: species are shifting their ranges towards the poles and often to higher elevations in mountainous areas. Early tests of these predictions were largely qualitative, though extraordinarily rapid and broadly based, and statistical tests distinguishing between climate change and other global change drivers provided quantitative evidence that climate change had already begun to cause species' geographical ranges to shift. I review two mechanisms enabling this process, namely development of approaches for accounting for dispersal that contributes to range expansion, and identification of factors that alter persistence and lead to range loss. Dispersal in the context of range expansion depends on an array of processes, like population growth rates in novel environments, rates of individual species movements to new locations, and how quickly areas of climatically tolerable habitat shift. These factors can be tied together in well-understood mathematical frameworks or modelled statistically, leading to better prediction of extinction risk as climate changes. Yet, species' increasing exposures to novel climate conditions can exceed their tolerances and raise the likelihood of local extinction and consequent range losses. Such losses are the consequence of processes acting on individuals, driven by factors, such as the growing frequency and severity of extreme weather, that contribute local extinction risks for populations and species. Many mechanisms can govern how species respond to climate change, and rapid progress in global change research creates many opportunities to inform policy and improve conservation outcomes in the early stages of the sixth mass extinction.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,013 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».