如果我们要预测并减轻气候变化对海洋生态系统的影响,海洋物种范围扩展的预测至关重要。 但是,大多数预测并未评估未来变化的不确定性水平,这会使它们对场景计划和生态系统管理的有用性受到质疑。 对于整个气候系统,这些不确定性采用三种形式:场景不确定性,气候模型没有确定性和内部气候变化。 至关重要的是,内部变异性是对自然变异性如何影响未来气候预测的一种度量,在生态学研究中在很大程度上被忽略了。 在这里,我们对欧洲的非本地太平洋牡蛎采用合奏建模方法来了解这些不确定性的影响。 未来的太平洋牡蛎招募是使用将招募与累积和瞬时热暴露有关的模型预测的。 对四个气候变化方案进行了模型预测:SSP1 2.6,SSP2 4.5,SSP3 7.0和SSP5 8.5。 在每种情况下,都使用了二十多种气候模型的集合。 使用五个具有多个工业前起始起点的气候模型来评估内部变异性在气候模型中的影响。 我们发现SSP1 2.6内的模型不确定性高于SSP1 2.6和SSP 4.5之间的差异,但是目前尚不清楚整体场景不确定性是否大于由于其主观性质而导致的气候模型不确定性。 我们的结果表明,从潜在的情景而不是个人预测方面思考未来至关重要。海洋物种范围扩展的预测至关重要。但是,大多数预测并未评估未来变化的不确定性水平,这会使它们对场景计划和生态系统管理的有用性受到质疑。对于整个气候系统,这些不确定性采用三种形式:场景不确定性,气候模型没有确定性和内部气候变化。至关重要的是,内部变异性是对自然变异性如何影响未来气候预测的一种度量,在生态学研究中在很大程度上被忽略了。在这里,我们对欧洲的非本地太平洋牡蛎采用合奏建模方法来了解这些不确定性的影响。未来的太平洋牡蛎招募是使用将招募与累积和瞬时热暴露有关的模型预测的。对四个气候变化方案进行了模型预测:SSP1 2.6,SSP2 4.5,SSP3 7.0和SSP5 8.5。在每种情况下,都使用了二十多种气候模型的集合。使用五个具有多个工业前起始起点的气候模型来评估内部变异性在气候模型中的影响。我们发现SSP1 2.6内的模型不确定性高于SSP1 2.6和SSP 4.5之间的差异,但是目前尚不清楚整体场景不确定性是否大于由于其主观性质而导致的气候模型不确定性。我们的结果表明,从潜在的情景而不是个人预测方面思考未来至关重要。对场景预测的比较表明,在SSP5 8.5场景下,太平洋牡蛎的未来招聘区可能是低排放SSP1 2.6场景中的两倍以上。重要的是,整体表明,由于内部变异性,太平洋牡蛎的近期变化高度不确定,这与20年时间范围内的气候模型不确定性相似。
主要关键词