Подходы, основанные на признаках, в экологии глобальных изменений: от описания к прогнозированию

Подходы, основанные на признаках, всё чаще рассматриваются как инструмент для понимания перестройки экосистем и изменений их функционирования в условиях усиливающихся глобальных изменений. Мы обобщили результаты глобальных исследований, использующих признаки (n = 865), чтобы определить, в каких случаях признаки можно применять для прогнозирования последствий глобальных изменений. Мы обнаружили, что экспоненциальный рост этого направления за последнее десятилетие по-прежнему связан преимущественно с описательными исследованиями морфологии наземных растений, что указывает на значительные возможности для распространения признакового подхода на другие системы и таксоны. Лишь очень небольшая доля исследований (менее 3%) посвящена прогнозированию экологических последствий глобальных изменений; большинство таких работ опубликовано за последние 5 лет, и в них изучались отдельные признаки, опосредующие влияние абиотических ограничений на распространение видов. Помимо размера организма — наиболее часто изучавшегося признака, — мы выявили более 2500 других морфологических, физиологических, поведенческих признаков и признаков жизненного цикла, которые, как известно, опосредуют действие экологических фильтров, определяющих ареал и численность видов, и могут использоваться в будущих прогностических исследованиях глобальных изменений. Хотя пространственно-эксплицитные процессные модели применяются редко, именно они относятся к наиболее перспективным инструментам комплексного прогнозирования глобальных изменений в масштабах, значимых для принятия природоохранных решений: эти модели механистически связывают признаки с изменениями распространения и численности организмов. Дальнейшее развитие прогнозирования на основе признаков требует преодоления сохраняющихся барьеров, включая: 1) согласование масштабов многомерных данных о признаках и окружающей среде с процессами, нарушаемыми глобальными изменениями, и 2) учёт вариабельности параметров признаков и среды во всех функциях процессной модели с помощью моделирования.