Tipping points and multiple drivers in changing aquatic ecosystems: A review of experimental studies
Notice bibliographique
Résumé
Abstract Natural ecosystems are experiencing unprecedented rates of change due to anthropogenic activities and global change, leading to either gradual changes in a given response or tipping points. While the tipping point concept has been tested in an array of habitats since the 1960s, the spatiotemporal superposition of multiple drivers in different ecosystems needs to be considered when investigating the response of species, communities, populations, and ecosystems along environmental gradients. Here, we (1) develop a historical and current perspective of tipping point studies in terrestrial, freshwater, and marine ecological systems; (2) portray the research effort in different freshwater and marine habitats; and (3) explore the results of experimental studies focusing on tipping points measured at the individual, communities, ecosystem level, as well as ecosystem functions and services in a context of single and multiple stressors. The number of studies mentioning the concept of tipping points increases every year, but very few studies have specific objective to identify them. Even fewer studies consider how the addition of another stressor into an ecosystem may alter a tipping point. In addition, many studies investigated multiple responses, but only one‐fourth (7 out of 28) of them concentrate their effort on multiple biological or ecological levels of complexity. This review allowed us to identify shortcomings in this research field and propose ways to make this ecological concept anew.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».