Unexpected sources of uncertainty in projecting habitat shifts for Arctic shorebirds under climate change
Notice bibliographique
Résumé
Abstract Aim The rapidly changing Arctic is ideal for investigating uncertainties in climate projections. Despite the challenges of collecting data in this region, an unprecedented large‐scale survey of shorebirds has been conducted over the last 30 years. Our study aimed to (1) develop probabilistic estimates for the change in suitable habitat for 10 Arctic shorebird species in Canada by 2075 and (2) assess the contribution of modelling decisions to the uncertainty in these estimates. Location Arctic Canada. Methods To evaluate uncertainty, we considered six classes of modelling decisions, yielding 216 unique projections for each species. We tested three decisions that are less commonly explored − the pool of candidate variables, a method for selecting variables, and the maximum distance of tree line dispersal, as well as the modelling algorithm, carbon emissions scenario, and global circulation model. We used a bootstrapping approach, creating a probability distribution for the proportional change in suitable habitat for each species. Results Our findings indicated a substantial risk for 8/10 species to lose over half of their suitable breeding habitat, but this projection is much less certain than has been described previously. While much uncertainty is unexplained, we were surprised that the largest source of uncertainty among our modelling decisions was from our choice of methods for variable selection, that the other modelling decisions were relatively small sources of uncertainty, overshadowing other modelling decisions. Main Conclusions While most scenarios predict a northward shift and significant habitat loss for Arctic‐breeding shorebirds, the Arctic Archipelago of Canada will remain an important refuge because in many other Arctic regions, there is no land farther north for these species to shift into. A comprehensive understanding of uncertainty is important for deciding if future projections can or should be used when planning climate‐resilient protected area networks.
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 | 0,001 | 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 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 ».