Forest types outpaced tree species in centroid-based range shifts under global change
Notice bibliographique
Résumé
Introduction Mounting evidence suggests that geographic ranges of tree species worldwide are shifting under global environmental changes. Little is known, however, about if and how these species’ range shifts may trigger the range shifts of various types of forests. Markowitz’s portfolio theory of investment and its broad application in ecology suggest that the range shift of a forest type could differ substantially from the range shifts of its constituent tree species. Methods Here, we tested this hypothesis by comparing the range shifts of forest types and the mean of their constituent species between 1970–1999 and 2000–2019 across Alaska, Canada, and the contiguous United States using continent-wide forest inventory data. We first identified forest types in each period using autoencoder neural networks and K-means cluster analysis. For each of the 43 forest types that were identified in both periods, we systematically compared historical range shifts of the forest type and the mean of its constituent tree species based on the geographic centroids of interpolated distribution maps. Results We found that forest types shifted at 86.5 km·decade -1 on average, more than three times as fast as the average of constituent tree species (28.8 km·decade -1 ). We showed that a predominantly positive covariance of the species range and the change of species relative abundance triggers this marked difference. Discussion Our findings provide an important scientific basis for adaptive forest management and conservation, which primarily depend on individual species assessment, in mitigating the impacts of rapid forest transformation under climate change.
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 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».