Predicting the global fundamental climate niche of lodgepole pine for climate change adaptation
Notice bibliographique
Résumé
The widely used species-occurrence-based models that predict the realized climate niche of plants can be too restrictive and do not reflect among-population variation in assessing climate change impact and guiding assisted migration for adaptation to future climates. To mitigate this deficiency, this study built a fundamental climate niche model for lodgepole pine ( Pinus contorta Dougl. ex Loud.) based on 20-year tree height from wide-ranging provenance trials as a case study. The model was built through comparisons and optimizations of two candidate models, universal response function (URF) and universal transfer function (UTF), with linear and linear mixed-effect forms, against varying sample sizes based on the comprehensive provenance trials. We found that URF and UTF models had similar performances, while URF models were more straightforward in identifying optimal provenances for planting sites. Linear mixed-effect models did not show clear advantages over linear models in our case but prevented including additional predictors, which are often critical. We selected the linear model of URF and predicted the fundamental climate niche of lodgepole pine on a global scale and revealed a great potential of using this species for climate change adaptation beyond its native distribution, representing a significant step in forest genecology. Our study presented a new approach for assisted migration at the species and the population levels to optimize adaptation and productivity under a changing climate.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».