Predicting distribution patterns and recent northward range shift of an invasive aquatic plant: Elodea canadensis in Europe
Notice bibliographique
Résumé
Climate data and distribution data for the Canadian waterweed Elodea canadensis Michx. from North America, whole Europe and Finland were used to investigate the ability of bioclimatic envelope models to predict the distribution range and recent northward range shift of the species in Europe. Four different main types of models were developed using the North American data, including either three baseline climate variables (growing degrees days, temperature of the coldest month, water balance) or an extended set of seven climate variables, both averaged either over a 30 year time slice or a longer 90 year time slice. Ten different random selections of pseudo-absences were generated from the North American data, on the basis of which ten separate generalized additive models (GAMs) were developed for each main model type. All the 40 developed GAMs were applied first to North America and then transferred to whole Europe and Finland. All the models showed a statistically highly significant accuracy in the three study areas. Although the differences among the four main model types were only minor, the two extended model types showed on average statistically better performance than the two baseline models based on Bayesian information criterion (BIC) values, the amount of deviance explained by the models, resubstitution validation and four-fold cross-validation in North America. They also provided slightly more accurate predictions of climatically suitable area for Elodea canadensis in Finland both in 19611984 and 19852006. However, the projections from the individual extended models were more variable than projections from the baseline models. Thus model predictions based on a variety of predictor variables but only one selection of pseudoabsences may be subject to biases, and outputs from multiple models should be investigated to better account for uncertainties in modelling. Overall, our results suggest that more attention should be paid to the careful selection of predictor variables and the use of multiple pseudo-absence sets in the ecological niche modelling in order to increase the reliability of the projections of the range shifts of invasive species.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».