Environmental and Biogeographic Drivers behind Alpine Plant Thermal Tolerance and Genetic Variation
Notice bibliographique
Résumé
In alpine ecosystems, elevation broadly functions as a steep thermal gradient, with plant communities exposed to regular fluctuations in hot and cold temperatures. These conditions lead to selective filtering, potentially contributing to species-level variation in thermal tolerance and population-level genetic divergence. Few studies have explored the breadth of alpine plant thermal tolerances across a thermal gradient or the underlying genetic variation thereof. We measured photosystem heat (Tcrit-hot) and cold (Tcrit-cold) thresholds of ten Australian alpine species across elevation gradients and characterised their neutral genetic variation. To reveal the biogeographical drivers of present-day genetic signatures, we also reconstructed temporal changes in habitat suitability across potential distributional ranges. We found intraspecific variation in thermal thresholds, but this was not associated with elevation, nor underpinned by genetic differentiation on a local scale. Instead, regional population differentiation and considerable homozygosity within populations may, in part, be driven by distributional contractions, long-term persistence, and migrations following habitat suitability. Our habitat suitability models suggest that cool-climate-distributed alpine plants may be threatened by a warming climate. Yet, the observed wide thermal tolerances did not reflect this vulnerability. Conservation efforts should seek to understand variations in species-level thermal tolerance across alpine microclimates.
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) | 0,007 | 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 ».