Macroevolutionary history predicts flowering time but not phenological sensitivity to temperature in grasses
Notice bibliographique
Résumé
PREMISE: Long-term observations show that flowering phenology has shifted in many lineages in response to climate change. However, it remains unclear whether these results can be generalized to predict the presence, direction, or magnitude of responses in lineages for which we lack long time-series data. If phenological responses are phylogenetically conserved, we can extrapolate from species for which we have data to predict the responses of close relatives. While several studies have found that closely related species flower at similar times, fewer have evaluated whether phylogenetically proximal species respond to environmental change similarly. METHODS: We paired flowering time data from 3161 manually scored herbarium specimens of 72 species of grasses (Poaceae) with historical climate data and analyzed the phylogenetic signal and phylogenetic half-life of phenological sensitivity. We also ran these analyses on a subset of species showing statistically significant sensitivities, in order to assess the role of sampling bias on phylogenetic signal. RESULTS: Closely related grass species tend to flower at similar times, but flowering times respond to temperature changes in species-specific ways. We also show that only including species for which there is strong evidence of phenological shifts results in overestimating phylogenetic signal. CONCLUSIONS: In agreement with other recent studies, our results suggest caution in extrapolating from evidence of phylogenetic similarity to predicting shared responses in this ecologically relevant trait. Future work is needed to better understand the discrepancy between the phylogenetic signal in observed phenological shifts and absence of such signal in sensitivity.
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) | 0,000 | 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 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 ».