Temporal shifts in the functional composition of Andean forests at different elevations are driven by climate change
Notice bibliographique
Résumé
Abstract Aim Andean forests are a global biodiversity hotspot. They harbour many species living within narrow climate ranges and a high functional diversity of trees. It remains still unclear how such hotspots respond to climatic changes over time. We investigated whether Andean forests are changing their functional composition over time along an elevational gradient by assessing changes in species composition, abundance and functional traits. Location An elevational gradient in Colombia's northern Andes. Time Period Species composition changes were studied two to four times from 2006 to 2017, and functional composition from 2016 to 2017. Major Taxa Studied A total of 1104 tropical tree species with in situ traits characterization. Methods We used seven morphological leaf traits and wood density values to analyse the functional trait dynamic over 10 years along an elevational gradient. By analysing changes in species composition, abundance and trait representation, we inferred the magnitude and direction of changes in functional composition. Then, we assessed if the functional change was related to climate change and demography. Results With increased minimum temperature and vapour‐pressure deficit, we found a decrease over time in mean values for leaf area and specific leaf area and increases in leaf thickness and leaf dry matter content. Long‐term temperature increases are smaller with increasing elevation, but the magnitude of trait changes is greater than in lowlands. Main Conclusions The functional composition is changing towards more conservative strategies over time across the elevation gradient, with the strongest changes observed at the highest elevations. This pattern is explained by the change in species turnover within communities due to higher recruitment rates of species with high leaf dry matter content values and low leaf area values. These shifts may be related to communities' responses to higher evapotranspiration demand and thermal stress, mainly at higher elevations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».