Plant and insect functional traits influence herbivore performance under climate change
Notice bibliographique
Résumé
Climate change is expected to disrupt many trophic interactions, including those between insect herbivores and their host plants, which could have detrimental effects at the ecosystem level. However, the response of insect herbivory to climate change can vary widely across species, and an understanding of the mechanisms underlying this variation is lacking. Here we examine whether functional traits of insect herbivores and their host plants influence how climate change affects herbivore performance. Information on sixteen functional traits across 86 insect and 93 plant species were collated from values in literature and combined with a dataset of 102 climate manipulation studies measuring herbivore performance. We identified clusters within both plant and insect functional trait values which aligned closely with the fast-slow continuum of life history strategies (woody, perennial plants and chewing insects were larger and had greater longevity/slow development, while non-woody, annual plants and sucking insects were smaller and had shorter longevity/fast development). We found that herbivores performed better on drought-stressed woody plants but not on non-woody plants. Sucking insects performed worse on plants exposed to elevated CO2, while chewing insect performance improved but only on annuals when both plants and insects were exposed to elevated CO2. When insects were exposed to elevated temperatures, we found that both chewing and sucking insects performed better, but when both plants and insects were exposed to elevated temperatures, sucking insects performed worse and chewing insects performed better. Generally, we found the slower life history strategies appeared to be less vulnerable to climate change, except in the case of woody vs. non-woody plants exposed to drought or elevated temperature. This research identifies key functional trait relationships that could enhance our ability to predict the vulnerability of plant-insect interactions to projected climate change and guide conservation efforts.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».