Landscape‐scale determinants of non‐native fish communities
Notice bibliographique
Résumé
Abstract Aim Predicting and preventing invasions depends on knowledge of the factors that make ecosystems susceptible to invasion. Current studies generally rely on non‐native species richness (NNSR) as the sole measure of ecosystem invasibility; however, species identity is a critical consideration, given that different ecosystems may have environmental characteristics suitable to different species. Our aim was to examine whether non‐native freshwater fish community composition was related to ecosystem characteristics at the landscape scale. Location United States. Methods We described spatial patterns in non‐native freshwater fish communities among watersheds in the Mid‐Atlantic region of the United States based on records of establishment in the U.S. Geological Survey’s Nonindigenous Aquatic Species Database. We described general relationships between non‐native species and ecosystem characteristics using canonical correspondence analysis. We clustered watersheds by non‐native fish community and described differences among clusters using indicator species analysis. We then assessed whether non‐native communities could be predicted from ecosystem characteristics using random forest analysis and predicted non‐native communities for uninvaded watersheds. We estimated which ecosystem characteristics were most important for predicting non‐native communities using conditional inference trees. Results We identified four non‐native fish communities, each with distinct indicator species. Non‐native communities were predicted based on ecosystem characteristics with an accuracy of 80.6%, with temperature as the most important variable. Relatively uninvaded watersheds were predicted to be invasible by the most diverse non‐native community. Main conclusions Non‐native species identity is an important consideration when assessing ecosystem invasibility. NNSR alone is an insufficient measure of invasibility because ecosystems with equal NNSR may not be equally invasible by the same species. Our findings can help improve predictions of future invasions and focus management and policy decisions on particular species in highly invasible ecosystems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».