Recommendations for quantifying and reducing uncertainty in climate projections of species distributions
Notice bibliographique
Résumé
Projecting the future distributions of commercially and ecologically important species has become a critical approach for ecosystem managers to strategically anticipate change, but large uncertainties in projections limit climate adaptation planning. Although distribution projections are primarily used to understand the scope of potential change-rather than accurately predict specific outcomes-it is nonetheless essential to understand where and why projections can give implausible results and to identify which processes contribute to uncertainty. Here, we use a series of simulated species distributions, an ensemble of 252 species distribution models, and an ensemble of three regional ocean climate projections, to isolate the influences of uncertainty from earth system model spread and from ecological modeling. The simulations encompass marine species with different functional traits and ecological preferences to more broadly address resource manager and fishery stakeholder needs, and provide a simulated true state with which to evaluate projections. We present our results relative to the degree of environmental extrapolation from historical conditions, which helps facilitate interpretation by ecological modelers working in diverse systems. We found uncertainty associated with species distribution models can exceed uncertainty generated from diverging earth system models (up to 70% of total uncertainty by 2100), and that this result was consistent across species traits. Species distribution model uncertainty increased through time and was primarily related to the degree to which models extrapolated into novel environmental conditions but moderated by how well models captured the underlying dynamics driving species distributions. The predictive power of simulated species distribution models remained relatively high in the first 30 years of projections, in alignment with the time period in which stakeholders make strategic decisions based on climate information. By understanding sources of uncertainty, and how they change at different forecast horizons, we provide recommendations for projecting species distribution models under global climate change.
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 | 0,044 | 0,205 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,011 | 0,019 |
| Science ouverte | 0,010 | 0,006 |
| Intégrité de la recherche | 0,011 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,010 |
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 ».