Risk assessment and adaptation technologies for island biodiversity conservation in China under climate change
Notice bibliographique
Résumé
Islands are critically important but inherently fragile due to their isolation and limited size. Climate change poses escalating threats to island biodiversity, comprehensive and spatially explicit assessments are still limited, hindering the development of targeted adaptation strategies. Here, we integrated species distribution modeling, inundation modeling, extinction risk analysis, and spatial prioritization to assess the risks to China's island biodiversity from climate change. We applied two scenarios—SSP2-4.5 and SSP5-8.5—over 2041–2060, 2061–2080, and 2081–2100 to evaluate the risks to five key taxa, namely amphibians, birds, mammals, reptiles, and vascular plants. Future climate change might result in an extinction rate of 11.6%, 5.5%, 11.9%, 12.0% and 11.9% for amphibians, birds, mammals, reptiles, and vascular plants respectively under the SSP2-4.5 climate change scenario and 19.0%, 8.9%, 20.6%, 19.6% and 20.6% respectively under the SSP5-8.5 scenario. Additionally, 60 and 97 islands under SSP2-4.5 and SSP5-8.5, respectively, are projected to lose at least one major taxonomic group by 2081–2100. High-risk zones, such as the islands near the Pearl River Delta and the Yangtze River Delta, are likely to face greater vulnerability than other islands in China. Our species- and island-specific results provide a scientific basis for developing targeted adaptation technologies, tailored to local island characteristics and species habitat dynamics. Recommended technologies include enhancing coastal engineering and restoring coastal shelter forest for island protection, expanding protected area networks for habitat preservation, and designating target habitat islands to support species relocation for high-risk species. Advanced monitoring technologies, such as AI-driven ecological sensors, are also critical for managing data-deficient and dynamic islands.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».