MétaCan
Menu
Retour à la cohorte
Enregistrement W4414826420 · doi:10.1101/2025.10.03.680294

Vegetation clump size and number as indicators for alternative stable states in semi-arid ecosystems

2025· preprint· en· W4414826420 sur OpenAlexaff
Z. Chen, K. P. Halder, Juan A. Bonachela

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueEcosystem dynamics and resilience
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Science Foundation
Mots-clésDesertificationVegetation (pathology)EcosystemAlternative stable stateAridBistabilityEcological stabilityClimate changeEcosystem services

Résumé

récupéré en direct d'OpenAlex

Abstract Dryland ecosystems are vulnerable to desertification, a pressing issue in the face of global climate change. In these ecosystems, vegetation often grows in spatially periodic patterns that differ as aridity increases (gaps, labyrinths and clumps), which has been widely studied theoretically, aiming to assess the proximity of the system to desertification. While some theoretical models predict smooth desertification transitions, most typically predict an abrupt transition linked to the possibility of two alternative stable states (desert and vegetated states), predictions that are yet to be confirmed empirically. If this bistability of alternative stable states occurs, however, environmental fluctuations and the history of the ecosystem determine which state ultimately materializes. This uncertainty makes it harder to predict desertification, compounding the challenges posed by it. Here, we combine empirical data and theoretical methods to investigate the links between bistability and vegetation spatial organization, which can help identify the presence of alternative stable states. We found that, although the presence of vegetation clumps is not indicative of bistability, changes in clump morphology can provide reliable indicators of bistability and an impending desertification transition. Thus, our methodology indirectly identifies whether desertification will occur abruptly, and whether restoration efforts should consider a potential ecosystem history-dependence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,215
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,217
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetEcosystem dynamics and resilienceTravaux en français237 207