MétaCan
Menu
Retour à la cohorte
Enregistrement W4298142885 · doi:10.1002/ecm.1555

Intraspecific trait variability is a key feature underlying high Arctic plant community resistance to climate warming

2022· article· en· W4298142885 sur OpenAlexaff
Ingibjörg S. Jónsdóttir, Aud H. Halbritter, Casper T. Christiansen, Inge Althuizen, Siri Vatsø Haugum, Jonathan J. Henn, Katrín Björnsdóttir, Brian Maitner, Yadvinder Malhi, Sean T. Michaletz, Ruben E. Roos, Kari Klanderud, Hanna Lee, Brian J. Enquist, Vigdis Vandvik

Notice bibliographique

RevueEcological Monographs · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNorges ForskningsrådDirektoratet for internasjonalisering og kvalitetsutvikling i høgare utdanningHáskóli ÍslandsMinistry of Education, India
Mots-clésIntraspecific competitionEcologyArcticTraitResistance (ecology)Key (lock)Climate changeBiologyGlobal warmingThe arcticCommunityEcosystemOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract In the high Arctic, plant community species composition generally responds slowly to climate warming, whereas less is known about the community functional trait responses and consequences for ecosystem functioning. The slow species turnover and large distribution ranges of many Arctic plant species suggest a significant role of intraspecific trait variability in functional responses to climate change. Here we compare taxonomic and functional community compositional responses to a long‐term (17‐year) warming experiment in Svalbard, Norway, replicated across three major high Arctic habitats shaped by topography and contrasting snow regimes. We observed taxonomic compositional changes in all plant communities over time. Still, responses to experimental warming were minor and most pronounced in the drier habitats with relatively early snowmelt timing and long growing seasons (Cassiope and Dryas heaths). The habitats were clearly separated in functional trait space, defined by 12 size‐ and leaf economics‐related traits, primarily due to interspecific trait variation. Functional traits also responded to experimental warming, most prominently in the Dryas heath and mostly due to intraspecific trait variation. Leaf area and mass increased and leaf δ15N decreased in response to the warming treatment. Intraspecific trait variability ranged between 30% and 71% of the total trait variation, reflecting the functional resilience of those communities, dominated by long‐lived plants, due to either phenotypic plasticity or genotypic variation, which most likely underlies the observed resistance of high Arctic vegetation to climate warming. We further explored the consequences of trait variability for ecosystem functioning by measuring peak season CO2 fluxes. Together, environmental, taxonomic, and functional trait variables explained a large proportion of the variation in net ecosystem exchange (NEE), which increased when intraspecific trait variation was accounted for. In contrast, even though ecosystem respiration and gross ecosystem production both increased in response to warming across habitats, they were mainly driven by the direct kinetic impacts of temperature on plant physiology and biochemical processes. Our study shows that long‐term experimental warming has a modest but significant effect on plant community functional trait composition and suggests that intraspecific trait variability is a key feature underlying high Arctic ecosystem resistance to climate warming.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,256
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations60
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcological MonographsMême sujetClimate change and permafrostTravaux en français237 207