Spatial distribution of marine invasive species: environmental, demographic and vector drivers
Notice bibliographique
Résumé
Abstract Aim The introduction of potentially invasive species remains a global threat to biodiversity and ecosystem services. The spatial distribution of introduced species can provide insight into present and historical vectors of invasion. Here, we aim to investigate the influence of environmental, demographic and vector variables on the spatial distribution of non‐indigenous species (NIS) in coastal marine ecosystems. Location Coastal British Columbia, Canada. Methods We used subtidal settlement plates to sample NIS richness at 81 sites. Spatial patterns for seventeen environmental, population, and vector variables were created using a Geographic Information System (GIS). We used multiple regression with model selection and spatial autocorrelation to define a statistical model that best explained the spatial distribution of NIS. Results Four variables, salinity, human population density, port arrivals and marina propulsiveness (probability of boater travel from home marina), best explained the observed spatial distribution of subtidal NIS. Aquaculture, an original global introduction pathway, did not significantly explain the contemporary distribution of NIS. Results suggest that recreational boating is the most probable pathway of fouling NIS spread in this region, driving their current distribution. Spatial autocorrelation was significant for environmental, demographic, and aquaculture variables. However, marina propulsiveness and attractiveness were not autocorrelated, suggesting that boater behaviour varies on a finer scale. Main conclusions A simple model using a combination of vector, demographic, and environmental characteristics can explain 43.6% of the variation in the spatial distribution of NIS. Our study provides further evidence that recreational boating is a significant pathway for the contemporary spread of NIS in marine environments. With projected increases in human population, we expect a continued rise in introduction rates and spread in this region and elsewhere in the world.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».