Tundra shrub expansion in a warming climate and the influence of data type on models of habitat suitability
Notice bibliographique
Résumé
Warming across the low Arctic is increasing tundra vegetation productivity and facilitating the expansion of upright shrubs. We modeled the effects of warming on habitat suitability in green alder, dwarf birch, Labrador tea, bog bilberry, and lingonberry and assessed the influence of data type (true absence or pseudo-absence) on species distribution models (SDMs). We generated SDMs using the two absence data types under current (1970–2000) and future (2061–2080) climate projections. Our results show that warming leads to range expansion of all shrubs, though responses vary in magnitude and extent, with mean increases in suitability ranging from 0.080 (Labrador tea) to 0.369 (lingonberry) with true absences. Differences in driving variables and suitability projections suggest that physiological and ecological variability between species mediate responses to warming. Between data types, we observed inconsistencies in model performance, suitability projections, and variable importance. Bog bilberry and lingonberry exhibited larger differences in suitability (0.201 and 0.288, respectively), whereas alder showed similar responses (difference of 0.01). These results are important to consider when assessing changes in habitat suitability or identifying environmental or climatic determinants of species’ distributions. We suggest further development of open data repositories, facilitating access to true absence data to support conservation and land use planning.
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 | 0,003 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».