Searching for non‐indigenous species: rapidly delimiting the invasion boundary
Notice bibliographique
Résumé
Abstract Aim At first detection, little information is typically known about an invader’s characteristics, true arrival date or spatial extent. Yet, before management options such as control or eradication can be considered, we need to know where a nuisance species has already spread. This is particularly difficult because of stochastic processes. Here, we develop an approach that requires little a priori information, yet accurately delimits the range of a biological invader. Location We used a simulated landscape, subjected to stochasticity inherent in establishment and spread, to test novel theory for delimiting locally spreading populations. Methods We distinguish three stages to identify the boundary of an invasion, which we term Approach, Decline, Delimit (ADD). Our ADD algorithm uses general characteristics of the invasion pattern, obtained during a search for occupied sites, in combination with sampling and probability theory to delimit the invasion. We compare ADD against four naïve delimitation strategies, for long and normal dispersal kernels. Results Our results illustrate the potential difficulty in delimiting invasions. Naïve strategies, such as stopping when the invader is absent, typically failed to properly delimit the invasion. In contrast, ADD operated relatively efficiently, and was robust to habitat heterogeneity and knowledge of the true epicentre, but was sensitive to the sparseness of the invasion. For long‐distance dispersal kernels, ADD had 80% accurate delimitations when c. 5% or more of the cells were occupied within the invasion boundary; for normal dispersal kernels, ADD had 95% accurate delimitations when c. 2.5% or more of the cells were occupied. Main conclusions There is virtually no existing theory for delimiting invasions. ADD is efficient and accurate, even with unknown time of invasion, unknown dispersal kernels, stochastic establishment dynamics and spatial heterogeneity, except for very low invasion densities.
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 | 0,008 | 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) | 0,000 | 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 ».