Reassessment of the risks of climate change for terrestrial ecosystems
Notice bibliographique
Résumé
Forecasting the risks of climate change for species and ecosystems is necessary for developing targeted conservation strategies. Previous risk assessments mapped the exposure of the global land surface to changes in climate. However, this procedure is unlikely to robustly identify priority areas for conservation actions because nonlinear physiological responses and colimitation processes ensure that ecological changes will not map perfectly to the forecast climatic changes. Here, we combine ecophysiological growth models of 135,153 vascular plant species and plant growth-form information to transform ambient and future climatologies into phytoclimates, which describe the ability of climates to support the plant growth forms that characterize terrestrial ecosystems. We forecast that 33% to 68% of the global land surface will experience a significant change in phytoclimate by 2070 under representative concentration pathways RCP 2.6 and RCP 8.5, respectively. Phytoclimates without present-day analogue are forecast to emerge on 0.3-2.2% of the land surface and 0.1-1.3% of currently realized phytoclimates are forecast to disappear. Notably, the geographic pattern of change, disappearance and novelty of phytoclimates differs markedly from the pattern of analogous trends in climates detected by previous studies, thereby defining new priorities for conservation actions and highlighting the limits of using untransformed climate change exposure indices in ecological risk assessments. Our findings suggest that a profound transformation of the biosphere is underway and emphasize the need for a timely adaptation of biodiversity management practices.
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 | 0,000 |
| 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) | 0,002 | 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 ».