Trees planted under a global restoration pledge have mixed futures under climate change
Notice bibliographique
Résumé
Nations worldwide have committed to restoring millions of hectares of forest as a strategy to mitigate climate change with many other co‐benefits. Paradoxically, the suitability of climatic conditions for the trees being planted at the restoration sites is changing, which may reduce the long‐term viability of these projects. We assessed the potential future viability of trees planted as part of Ecuador's National Reforestation Plan from 2014 to 2017, committed under the global Bonn Challenge. We selected the 10 most frequently planted tree species (all native) in 1237 restoration sites in northwest Ecuador. We modeled the species' climatic suitability at the restoration sites under Representative Concentration Pathways (RCP) 4.5 and 8.5 using 14 individual general circulation models for the 2030s, 2050s, and 2070s. We combined the 14 suitability models to create continuous climatic suitability models for each species. We then assessed the species suitability against three modeling thresholds simultaneously. Seven of the species showed high and medium climatic viability, all of these species were native to the region of planting. Three species showed low climatic viability; two of these are native to the country but not to the region being restored. Our results also show how using continuous rather than discrete modeling can affect viability assessments. Our study suggests the importance of including climate niche modeling in restoration projects; however, choosing to plant species that are within their native distribution range may be a good strategy in tropical regions if climate niche projections are not available.
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 | 0,001 | 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) | 0,038 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».