Simple Science

La science de pointe expliquée simplement

# Biologie# Biologie du développement

Nouvelles idées sur la répartition des espèces et les extrêmes climatiques

Cet article parle de comment les temps extrêmes influencent les modèles de distribution des espèces.

― 10 min lire


Distribution des espècesDistribution des espèceset météo extrêmeespèces.climatiques sur la modélisation desExaminer l'impact des extrêmes
Table des matières

La manière dont les espèces se répartissent sur les territoires est super importante en écologie. Ce savoir aide les scientifiques à comprendre des idées écologiques, à voir comment le changement climatique impacte les vivants, et à mettre en place des plans pour la conservation et la gestion des risques. Pour prédire où les espèces pourraient se trouver, les scientifiques utilisent souvent des Modèles de distribution des espèces (MDE). Ces modèles se basent sur des données concernant la présence ou l'absence d'espèces et relient ces infos aux conditions environnementales dans ces endroits. Des modèles précis sont nécessaires pour comprendre les emplacements actuels des espèces et prédire comment ceux-ci pourraient évoluer à l'avenir.

Dans cet article, on discute du fait que les événements climatiques extrêmes ne sont pas totalement représentés dans les modèles de distribution des espèces actuels. On explique ce que sont ces extrêmes climatiques et comment ils impactent les espèces. C'est essentiel de considérer tous les aspects de ces extrêmes pour prédire efficacement leurs effets sur les espèces.

Définir les extrêmes climatiques

Les extrêmes climatiques sont définis comme des événements météo spécifiques qui sont bien définis mais qui se produisent rarement. On sait que ces conditions météo extrêmes peuvent influencer de manière significative les espèces et leur répartition. Par exemple, certaines plantes peuvent subir une perte d'eau sévère et ne plus fonctionner correctement en cas de sécheresse. Quand le stress de sécheresse devient trop intense, les plantes peuvent perdre leur capacité à absorber l'eau, menant à leur mort. En plus de l'intensité de ces extrêmes, leur fréquence peut aussi affecter les organismes vivants. Ces deux facteurs peuvent entraver la récupération d'une espèce ou mener à des taux de mortalité accrus, parfois causant des extinctions locales.

Identifier un seul point sur une échelle pour représenter un effet seuil de ces extrêmes pour une espèce est compliqué. Au lieu de se concentrer sur un seul point fixe, les scientifiques devraient examiner toute la gamme des intensités et fréquences possibles de ces événements extrêmes pour comprendre leurs effets sur les espèces.

L'importance des données sur les événements climatiques extrêmes

Actuellement, de nombreux modèles de distribution des espèces ne capturent pas vraiment la gamme de variations présentées par les conditions météo extrêmes. Certaines études ont essayé d'inclure des données sur le temps extrême en utilisant des ensembles de données à haute résolution, comme des relevés climatiques quotidiens. Cependant, collecter ces infos détaillées peut être difficile et nécessite souvent beaucoup d'efforts. De plus, les connaissances utilisées dans ces méthodes peuvent ne pas être adaptées à toutes les espèces et régions.

Cet article vise à introduire une méthode qui intègre de manière plus efficace les données sur les événements climatiques extrêmes dans les modèles de distribution des espèces. Notre méthode est conçue pour être largement applicable et utiliser des données facilement accessibles. On va explorer trois méthodes actuelles pour incorporer les données sur le temps extrême dans les modèles, en notant leurs limites.

Approches actuelles dans la modélisation des distributions d'espèces

Approche de la moyenne

Beaucoup d'études utilisent des moyennes à long terme des extrêmes climatiques lors de la création de modèles de distribution des espèces. Cette moyenne, appelée "intensité extrême moyenne", peut représenter des processus biologiques importants mais ne tient pas vraiment compte de la distribution inégale des événements météo extrêmes. Comme cette méthode se base uniquement sur des moyennes, elle est limitée dans sa capacité à prédire les effets des conditions extrêmes.

Approche normale

Une autre méthode prend en compte la variabilité annuelle des données climatiques, utilisant l'écart type avec la moyenne. Cette approche a montré qu'elle améliorait les prédictions des modèles, indiquant que la variabilité offre une meilleure vision des extrêmes climatiques que de se contenter des moyennes. Cependant, cette méthode ne capture toujours pas les changements dans la partie extrême des données météo, ce qui peut impacter significativement les espèces.

Approche quantile

Une troisième méthode repose sur des données d'extrêmes météorologiques associées à des périodes de retour spécifiques. Cela signifie que les scientifiques calculent à quelle fréquence une intensité extrême particulière est susceptible de se produire. Bien que cette méthode ait amélioré les prédictions des modèles, elle a aussi ses inconvénients. Rassembler des données de qualité est difficile, et se fier à un petit échantillon de données peut fausser les résultats.

Le besoin d'une nouvelle approche

Les trois approches ne traitent pas la distribution inégale des données climatiques extrêmes dans leurs modèles. Il est crucial de reconnaître que le changement climatique peut modifier la distribution de ces extrêmes, affectant ainsi la manière dont les espèces réagissent aux changements environnementaux.

On propose une nouvelle méthode qui utilise un cadre statistique pour analyser les données climatiques extrêmes. Ce cadre s'assure que tous les aspects des événements climatiques extrêmes sont pris en compte, ce qui le rend applicable à différentes espèces et environnements. Notre nouvelle approche se concentre sur la distribution des valeurs extrêmes généralisées (GEV), qui peut mieux représenter la nature des conditions climatiques extrêmes.

Comprendre la Distribution GEV

La distribution GEV est précieuse pour analyser les événements climatiques extrêmes, comme les extrêmes de température et les extrêmes de flux de rivière. Elle est caractérisée par trois paramètres spécifiques : emplacement, échelle et forme. Ces paramètres déterminent le centre, l'étendue et la forme générale de la distribution.

La distribution GEV peut prendre trois formes en fonction de son paramètre de forme :

  1. Distribution de Weibull : Indique une nature bornée des événements extrêmes, avec des extrêmes très intenses peu probables.
  2. Distribution de Gumbel : Représente des extrêmes à queue légère avec un niveau de probabilité constant pour les événements intenses.
  3. Distribution de Fréchet : Signifie des extrêmes à queue lourde, c'est-à-dire que des événements extrêmement intenses sont plus susceptibles de se produire.

Comprendre ces variations est essentiel pour modéliser avec précision les distributions des espèces en relation avec les événements climatiques extrêmes.

Aperçu méthodologique

On va examiner comment notre approche GEV proposée peut améliorer la modélisation des distributions d'espèces. On se concentre sur 28 espèces d'arbres européennes avec différentes caractéristiques écologiques. Notre objectif est d'établir si utiliser la distribution GEV conduit à de meilleures prédictions par rapport à d'autres approches. On utilisera des variables climatiques extrêmes liées à la chaleur, au froid et aux précipitations.

Collecte de données climatiques

Pour développer nos modèles, on utilisera des données climatiques mensuelles provenant d'une base de données réputée. Ces données fournissent des infos sur les températures maximales et minimales, ainsi que sur les niveaux de précipitations à travers l'Europe. En utilisant ces données, on dérivera trois variables de temps extrême pour caractériser les déficiences en chaleur, froid et précipitations.

Analyse de la performance des modèles

Pour chaque espèce, on créera plusieurs modèles basés sur différentes approches : Moyenne, Normale, Quantile et GEV. On évaluera la performance de chaque modèle en comparant la qualité de leurs prévisions de distributions d'espèces. Pour cela, on va évaluer les modèles selon des critères comme les valeurs AIC et les scores AUC validés par croisement.

Résultats et découvertes

Les analyses préliminaires montrent que l'approche GEV améliore significativement la prédiction des distributions d'espèces par rapport aux autres méthodes. Alors que le modèle Moyenne fournit des prédictions basiques, le modèle GEV capture une plus large gamme de conditions climatiques extrêmes, améliorant ainsi la puissance prédictive et la précision des modèles.

Bords de distribution

Une des forces les plus notables de l'approche GEV est sa capacité à capturer les effets sur les bords de distribution des espèces. Dans les régions où les conditions sont moins favorables pour les espèces, les événements climatiques extrêmes sont plus susceptibles d'impacter la survie. Cette découverte indique que l'approche GEV fournit une image plus réaliste des limites de répartition des espèces.

Prédictions spatiales

En comparant les prédictions des différentes approches, on observe que la méthode GEV offre des avantages distincts dans les zones influencées par le temps extrême. Les prédictions varient selon la manière dont chaque approche prend en compte la nature des extrêmes climatiques.

Dans les régions où des événements climatiques extrêmes intenses sont attendus, la distribution GEV conduit à des probabilités prédites plus faibles d'occurrence pour les espèces à leurs bords de répartition. Cette découverte souligne la nécessité de prendre en compte les extrêmes climatiques pour ne pas surestimer les aires de répartition des espèces.

Implications du changement climatique

Alors que le changement climatique continue d'impacter les modèles météo, il est essentiel de comprendre comment ces changements affecteront les distributions des espèces. L'approche GEV met en avant l'importance des variations des conditions climatiques extrêmes et leurs implications pour prévoir les réponses des espèces aux climats changeants.

Stratégies de conservation

Pour une conservation efficace, comprendre les distributions des espèces est crucial. L'approche GEV non seulement améliore les prédictions des modèles mais aide aussi à identifier les zones où les espèces sont les plus vulnérables aux extrêmes climatiques. Ces infos peuvent aider à prioriser les efforts de conservation, comme identifier des refuges climatiques ou des zones pour la migration assistée.

Besoins futurs en données

L'absence actuelle de données suffisantes sur les scénarios climatiques futurs limite l'application de l'approche GEV pour des prédictions à long terme. Les ensembles de données existants se concentrent principalement sur des moyennes et des écarts types, qui ne capturent pas les détails nécessaires sur des événements climatiques extrêmes. La collecte de données futures devrait viser à fournir des informations complètes permettant une modélisation précise des événements climatiques extrêmes.

Conclusion

En résumé, la modélisation de la distribution des espèces est considérablement améliorée en intégrant des infos détaillées sur les extrêmes climatiques. L'approche GEV offre une méthode plus robuste pour analyser l'impact du temps extrême sur les distributions des espèces. En tenant compte des variations d'intensité, de fréquence et de distribution des événements climatiques extrêmes, l'approche GEV permet de meilleures prévisions et un meilleur plan de conservation.

Comprendre l'influence des extrêmes climatiques sur les espèces est primordial alors que le changement climatique continue d'impacter les écosystèmes à travers le monde. L'adoption de l'approche GEV mènera à des modèles de distribution des espèces plus précis, aidant finalement à des efforts de conservation efficaces et à une meilleure gestion de la biodiversité face à un climat en évolution.

Source originale

Titre: Incorporating climatic extremes using the GEV distribution improves SDM range edge performance

Résumé: AimThe changing frequency and intensity of climatic extremes due to climate change can have sudden and adverse impacts on the distribution of species. While species distribution modelling is a vital tool in ecological applications, current approaches fail to fully capture the distribution of climatic extremes, particularly of rare events with the most disruptive potential. Especially at the edges of species ranges, where conditions are already less favourable, predictions might be inaccurate when these extremes are not well represented. LocationEurope TaxonTree species MethodsWe present a novel approach to integrate extreme events into species distribution models based on the generalised extreme value (GEV) distribution. This distribution, following from the extreme value theory has been established as a valuable tool in analysing climatic extremes, both in an ecological context and beyond. The approach relying on the GEV distribution is broadly applicable, readily transferable across species and relies on widely available data. We demonstrate the efficacy of our approach for 28 European tree species, illustrating its superior ability to fully capture the distribution of climatic extremes compared to state-of-the-art methods. ResultsWe found that incorporating parameters on climatic extremes derived from the GEV distribution increased model performance (AICmodel) and characterized range edges more accurately (AUCedge) compared to competing approaches. However, general AUC values were only marginally increased across the species and study period analysed. Overall, the GEV model predicted a narrower niche for the species included in this study. Main conclusionsIncorporating climatic extremes can impact spatial predictions of species distribution models, especially at range margins. We found that using the GEV distribution to characterise extreme variables in SDMs yields the best performance at these distribution edges. Given the importance of range edges for species conservation, a detailed inclusion of extremes in SDMs employed for those applications will help ensure robust conclusions.

Auteurs: Ward Fonteyn, J. S. Diaz, B. Muys, K. Van Meerbeek

Dernière mise à jour: 2024-10-16 00:00:00

Langue: English

Source URL: https://www.biorxiv.org/content/10.1101/2024.10.14.618163

Source PDF: https://www.biorxiv.org/content/10.1101/2024.10.14.618163.full.pdf

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à biorxiv pour l'utilisation de son interopérabilité en libre accès.

Articles similaires