Projected exposure of terrestrial vertebrates to different extreme climate events reveals high vulnerability to multiple hazards
Notice bibliographique
Résumé
Climate change is intensifying extreme climate events, fundamentally altering ecosystem disturbance regimes. Impacts on biodiversity are typically assessed using climate model outputs (i.e., temperature, precipitation) or by focusing on one type of extreme event. For this study, we used a new dataset covering four climate extremes (droughts, heatwaves, river floods, and wildfires) derived from the output of five climate models and six climate impact models for future projections under three climate scenarios (SSP1-2.6, SSP3-7.0 and SSP5-8.5) from the Inter-Sectoral Impact Model Intercomparison Project (ISIMIP Phase 3b). We assessed the exposure of 33,936 terrestrial vertebrate species (amphibians, birds, mammals, and reptiles). We also compiled published evidence on how species respond to extreme events. Heatwaves emerged as the most prevalent threat, with over 70% of species' geographic ranges projected to be exposed by 2050 (SSP3-7.0 scenario) - a 60% increase from 2000 levels. More than 21,000 species face heatwave exposure in 75% of their range. Wildfire exposure is projected to affect more than 20% of species ranges by 2050, increasing to 30% by 2085, with more than 5,000 species exposed in 50% of their range by mid-century. Notably, our findings indicate substantial multi-hazard exposure, with approximately 30% of species’ geographic ranges facing at least two types of extreme events by 2050. Hotspots are species-rich areas in the tropics. More than 70 species, mostly amphibians and reptiles, are projected to be exposed to a high frequency of three types of events over 75% of their range. Most of these species already have declining populations and are listed as threatened on the IUCN Red List of Threatened Species. Our study highlights the importance of studying the impacts of extreme events on biodiversity in a multi-hazard context. The combination of high exposure with documented negative impacts - such as heat stress mortality, reproductive failure, or wildfire injury – is of particular concern for already threatened species. This underscores the urgency of developing targeted interventions for vulnerable species.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».