Plant traits poorly predict winner and loser shrub species in a warming tundra biome
Notice bibliographique
Résumé
Climate change is leading to a species redistributions. In the tundra biome, many shrub species are expanding into new areas, a process known as shrubification. However, not all tundra shrub species will benefit from warming. Winner and loser species (those projected to expand and contract their ranges, and/or those that have increased or decreased in cover over time), and the characteristics that may determine success or failure, have not been fully identified. Here, we investigate whether current range sizes are related to plant trait values and intraspecific trait variation by combining 17,921 trait records and distribution data from 62 shrub species across three continents (>30 degrees north). In addition, we determine which traits are associated with species projected by species distribution models to expand or contract their ranges under climate change, and species that have undergone past cover changes over time. Winner and loser shrub species identified from projected range shifts generally differed from those identified from observed past cover change. We found that greater variation in seed mass and specific leaf area were related to larger projected range shifts. Projected winner species generally had greater seed mass values than ‘no change’ and loser species. However, contrary to our expectations, traits’ values and variation were not consistently related to current and projected ranges, and depended upon the future climate scenarios considered in range projections. There were no clear relationships either between cover change over time and trait values or variation. Overall, our findings indicate that abundance changes and projected range shifts will not lead to directional modifications in shrub trait composition or variation with future warming, since winner and loser species share relatively similar trait spaces based on commonly measured traits. Future research could investigate other morpho-physiological traits underpinning climatic preferences, which might better predict future range and abundance changes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».