Planting long‐lived trees in a warming climate: Theory shows the importance of stage‐dependent climatic tolerance
Notice bibliographique
Résumé
Climate change poses a particular threat to long-lived trees, which may not adapt or migrate fast enough to keep up with rising temperatures. Assisted gene flow could facilitate adaptation of populations to future climates by using managed translocation of seeds from a warmer location (provenance) within the current range of a species. Finding the provenance that will perform best in terms of survival or growth is complicated by a trade-off. Because trees face a rapidly changing climate during their long lives, the alleles that confer optimal performance may vary across their lifespan. For instance, trees from warmer provenances could be well adapted as adults but suffer from colder temperatures while juvenile. Here we use a stage-structured model, using both analytical predictions and numerical simulations, to determine which provenance would maximize the survival of a cohort of long-lived trees in a changing climate. We parameterize our simulations using empirically estimated demographic transition matrices for 20 long-lived tree species. Unable to find reliable quantitative estimates of how climatic tolerance changes across stages in these same species, we varied this parameter to study its effect. Both our mathematical model and simulations predict that the best provenance depends strongly on how fast the climate changes and also how climatic tolerance varies across the lifespan of a tree. We thus call for increased empirical efforts to measure how climate tolerance changes over life in long-lived species, as our model suggests that it should strongly influence the best provenance for assisted gene flow.
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 | 0,001 | 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) | 0,013 | 0,001 |
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 ».